Un grupo de investigadores de la India ha desarrollado un innovador sistema capaz de detectar señales de la enfermedad de Parkinson a partir del análisis de ejercicios de escritura. Utilizando un bolígrafo inteligente, los participantes realizan dibujos de espirales y líneas, y el sistema examina tanto las imágenes generadas como los parámetros físicos asociados al movimiento del bolígrafo.

Metodología del estudio

El estudio, publicado en “Discover Computing” y “Springer”, se centra en el uso de inteligencia artificial para procesar diferentes tipos de datos. Se integran modelos de redes neuronales profundas, como ViT y DaViT para el procesamiento de imágenes, junto con Conv1D–BiGRU para analizar señales dinámicas del bolígrafo, como presión, inclinación y aceleración.

La verdadera innovación radica en el uso del algoritmo SNAKE, que combina ambas fuentes de información para optimizar la fiabilidad del diagnóstico. Según los investigadores, el enfoque multimodal logró alcanzar un 98.95% de precisión en el reconocimiento de patrones de meandro y un 97.74% en patrones de espirales, logrando así importantes mejoras en comparación con métodos anteriores.

¿Por qué analizar la escritura?

La motricidad fina de los pacientes de Parkinson se ve afectada desde etapas tempranas, lo que suele pasar desapercibido. La tecnología desarrollada permite captar cambios sutiles que son invisibles a simple vista. Las imágenes manuscritas pueden mostrar irregularidades y temblores, mientras que las señales del bolígrafo reflejan variaciones en velocidad y fuerza utilizadas al escribir.

Ventajas del sistema

El método presenta varias ventajas, como la eliminación de la necesidad de biomarcadores biológicos invasivos, requiriendo solamente un bolígrafo especial y unos minutos para realizar ejercicios. Gracias a modelos modernos de visión por computadora, se pueden detectar irregularidades espaciales que no se habían explorado anteriormente en otros estudios.

Desafíos y futuras etapas

Aunque los resultados son prometedores, los autores destacan que este método no reemplaza la evaluación clínica ni debe considerarse un diagnóstico validado. El estudio utilizó una muestra de 66 personas, incluyendo pacientes y controles sanos, y requiere validación adicional en poblaciones más amplias.

Los próximos pasos incluyen adaptar la tecnología para su uso en dispositivos cotidianos y explorar el análisis de otras señales digitales, como la voz o la marcha. La capacidad de anticipar la enfermedad a través de un simple ejercicio de escritura ofrece un enfoque esperanzador frente a un diagnóstico que suele llegar tardíamente.