Investigadores de la Universidad de Rochester en colaboración con Google Research, han desarrollado un innovador método de detección de la enfermedad de Parkinson (PD) utilizando análisis de video desde casa. Mediante un enfoque multi-tarea que involucra grabaciones de tareas motoras, expresiones faciales y articulación, se ha creado un extenso conjunto de datos con 1102 sesiones de video de 845 participantes. Este enfoque está diseñado para facilitar la detección temprana de PD, particularmente en áreas con acceso limitado a recursos neurológicos.

El estudio introduce una red de fusión calibrada por incertidumbre (UFNet) que se destaca por integrar datos multimodales, mejorando así la precisión diagnóstica. Utiliza redes específicas para cada tarea, entrenadas para generar predicciones con un cálculo de incertidumbre. Posteriormente, los datos se fusionan estratégicamente, ajustando pesos de atención basados en las incertidumbres específicas de cada tarea.

Las tareas estándar incluyen: el toque de dedos para evaluar la función motora; sonreír periódicamente para registrar expresiones faciales; y recitar un pangrama para evaluar vocalización. El modelo fue sometido a un riguroso entrenamiento y pruebas, alcanzando una destacable precisión del 88.0% y un área bajo la curva ROC del 93.0%, superando modelos de tareas únicas en términos de precisión y sensibilidad.

El análisis detallado revela que el modelo no presenta sesgos detectables en cuanto al sexo o la etnicidad, siendo más efectivo en individuos entre los 50 y 80 años. Además, logra ser eficiente en su implementación, permitiendo su uso en smartphones y ordenadores personales.

Lo que destaca de este sistema es su viabilidad desde el hogar, permitiendo a los individuos evaluar su riesgo de desarrollar Parkinson sin necesidad de visitar un centro de salud de alta tecnología. Además, la implementación del sistema en dispositivos comunes promueve una mayor accesibilidad global, sobre todo en regiones con acceso limitado a servicios de salud especializados.

En resumen, esta tecnología representa un avance significativo en la detección temprana del Parkinson, proporcionando una herramienta accesible y práctica que promete mejorar la calidad de vida a través de intervenciones y tratamientos tempranos. Los investigadores esperan que la comunidad científica pueda utilizar y expandir este conjunto de datos para seguir avanzando en el diagnóstico digital de enfermedades neurológicas.