El diagnóstico temprano y eficaz del congelamiento de la marcha (FOG) es crucial para mejorar la calidad de vida de las personas que sufren de Parkinson. El FOG es un síntoma incapacitante de esta enfermedad, que les impide a los pacientes continuar o comenzar a caminar, aumentando el riesgo de caídas y accidentes. Ante este reto, un grupo de investigación internacional ha desarrollado una nueva tecnología de detección llamada FOGSense, la cual utiliza un sensor en la parte baja de la espalda para identificar episodios de FOG. Este sistema emplea transformaciones de campos angulares gramaticales y aprendizaje federado para mejorar la precisión de detección.
FOGSense, evaluado con un conjunto de datos público, logró una mejora del 10.4% en precisión comparado con acelerómetros de un solo eje y una reducción del 74.53% en la tasa de falsos positivos frente a métodos convencionales. Los investigadores se enfocaron en superar los desafíos de variaciones inter e intra-paciente y el fracaso de sistemas multi-sensoriales. Estos sensores más tradicionales presentan un mayor riesgo de fallos por desalineación o complejidad del sistema.
La tecnología de FOGSense usa aprendizaje profundo, junto con las transformaciones GAF que convierten patrones temporales y espaciales de la marcha en imágenes interpretables por una red neuronal. Esto permite detectar dinámicas complejas de la marcha que los métodos tradicionales no capturan. Los modelos entrenados se refinan continuamente gracias a un aprendizaje federado basado en dispositivos móviles. Este enfoque descentralizado y adaptable preserva la privacidad del paciente y permite la personalización al tiempo que se reduce el consumo de energía de los dispositivos que lo soportan.
En las pruebas de FOGSense, los investigadores encontraron que una combinación particular de un solo canal es suficiente para captar la información necesaria, lo que simplifica el sistema y minimiza el consumo de recursos. Sobresalió utilizando la conversión de datos de acelerómetros tradicionales en una representación de imagen más sofisticada, lo que facilita su interpretación por el software.
Conclusión: La tecnología FOGSense representa un gran paso en el monitoreo de enfermedades degenerativas, con potencial significativo para mejorar la intervención y el tratamiento de Parkinson. Este avance no solo promete disminuir significativamente los falsos positivos, sino que también potencia la atención preventiva tan crucial para la progresión de tales condiciones de salud. Las futuras investigaciones deberán enfocar la validación en condiciones reales múltiples para afianzar la aplicabilidad de este prometedor sistema.