El estudio de la Universidad Estatal de Pensilvania, posiblemente derivado de técnicas avanzadas que facilitan el diagnóstico temprano de bebés con enfermedades neuromusculares, es quizás el primer estudio derivado del uso de tecnología avanzada. La creación de una cátedra de ingeniería mecánica científica en memoria de James L. Henderson, Jr., fue un avance crucial liderado por la introducción, por parte del grupo de Larry Cheng, de una novedosa metodología basada en wearables y aprendizaje automático, que ha permitido una precisión excepcionalmente alta en el reconocimiento y la clasificación de recién nacidos en riesgo.
Tecnología innovadora para combatir enfermedades neuromotoras
Este reciente caso de prueba, un estudio titulado "Avances en la Ciencia", consiste en una red de IMU inalámbricas suaves combinadas con un algoritmo de aprendizaje automático en miniatura que permite monitorear la activación espontánea de las funciones motoras de los bebés y los signos de sus trastornos o progresiones del desarrollo, como la parálisis cerebral. Este sistema robótico de inteligencia artificial está diseñado para detectar patrones de movimiento anormales indicativos de parálisis cerebral y trastorno del espectro autista, que es el objetivo de esta tecnología.
El Dr. Cheng reveló conscientemente que estos movimientos son un indicador del desarrollo neuronal general del ser humano desde las 0 hasta las 20 semanas de vida. Los métodos convencionales, en los que expertos humanos suelen realizar el diagnóstico mediante la evaluación visual de los síntomas, suelen verse empobrecidos por errores humanos, condiciones climáticas extremas y la complejidad de la configuración de video. En cuanto a la tecnología de sensores proporcionada por Cheng, podemos mencionar dos mejoras más sencillas, relacionadas con la objetividad y la practicidad. Estas mejoras pueden reducir el tiempo necesario para obtener diagnósticos más tempranos y precisos.
Detección temprana de problemas neuromotores con nueva tecnología de sensores
Los sensores han sido tendencia en la industria del fitness desde hace tiempo, y esta tendencia continuará en los próximos años, dada su capacidad para medir los niveles de actividad en tiempo real. Estos datos son sumamente valiosos para quienes desean monitorear su progreso y alcanzar sus objetivos de fitness.
Este sistema de sensores, desarrollado por el equipo de Cheng, posee propiedades mecánicas similares a las de la piel humana, lo que lo hace ideal para manipular la delicada piel de un bebé. Se eligieron la frente, las muñecas y los tobillos del bebé como los lugares donde se instalaron las primeras cinco IMU, creando una red dispersa que captura todo el alcance del movimiento del bebé sin ser intrusiva. Estos datos sin procesar son procesados posteriormente por el algoritmo de aprendizaje automático del equipo, que utiliza un algoritmo personalizado paradentpatrones de movimiento como "Normal", "Alto Riesgo" o "Anormal"
Por lo tanto, no solo mejora la precisión de los diagnósticos, sino que también reduce drásticamente el costo y los materiales necesarios al contrastar los métodos de diagnóstico habituales anteriormente", afirmó Cheng. Los algoritmos pequeños de aprendizaje automático son menos útiles en áreas con recursos limitados. La atención se centra en obtener resultados rápidos con algoritmos más pequeños, con la convicción de que no son necesarios sistemas de IA complejos.
Impulsando sistemas expertos para obtener mejores resultados en la atención sanitaria
La investigación piloto con 23 bebés, aunque prometedora, no es suficiente para confirmar los resultados, ya que existe cierto grado de error en dichos estudios. Por lo tanto, es necesario realizar estudios a gran escala para su validación. Junto con Cheng y otros miembros del equipo, colaborar con profesionales médicos es uno de sus objetivos, así como profundizar en el conocimiento del producto y perfeccionar la tecnología. El desarrollo de esta red de sensores facilitará la investigación, que no se limita solo a las evaluaciones neuromotoras, sino que también abarca la evaluación cardiopulmonar, la vibración de las cuerdas vocales y el entrenamiento deportivo.
La inclusión de la inteligencia artificial y la tecnología portátil en el diagnóstico médico abre nuevas oportunidades en la atención a niños pequeños, lo que podría mejorar la implementación de intervenciones tempranas y la tasa de supervivencia futura de personas con riesgo de enfermedades neuromotoras. A medida que la investigación continúa a fondo, esta tecnología podría convertirse en la herramienta más necesaria para que médicos y padres monitoreen al recién nacido de forma preventiva y durante su desarrollo.
Este avance de Penn State también subraya la necesidad y la utilidad de la colaboración entre diferentes campos, en este caso, la medicina y la informática. Además, supone un cambio en el hecho de que estas aplicaciones son accesibles hoy en día. Con la ayuda de sistemas compactos y eficientes basados en inteligencia artificial, combinados con sensores portátiles no invasivos, el diagnóstico médico y la atención al paciente podrían evolucionar hacia una nueva forma de abordar este problema, donde la tecnología se utilizará para facilitar las estrategias de detección y tratamiento.
Este artículo apareció originalmente en News Medical
