Investigadores de la Universidad Politécnica de Madrid, en colaboración con otras universidades, implementan un sistema experto para aliviar la sintomatología asociada al párkinson.

Un equipo multidisciplinar de investigadores de la Universidad Politécnica de Madrid (UPM) y las universidades Carlos III de Madrid (UC3M), Oxford (Oxford University) y Coventry (Coventry University) ha desarrollado un sistema de estimulación cerebral profunda bajo demanda que puede ser implementado en los sistemas de neuroestimulación que tratan el párkinson. El sistema propuesto es capaz de funcionar con un 100 % de precisión, es decir, es capaz de detectar sin fallo el estado en el que se encuentra el paciente en cada momento.

La enfermedad de Parkinson es en la actualidad la segunda condición neurodegenerativa más importante en cuanto a su incidencia, pero se estima que se convierta en la primera en 2040, superando al alzhéimer. Como señala la Federación Española de Párkinson, se prevé que esta enfermedad se convierta en una pandemia dentro de 20 años. Por ello, surge la necesidad de investigar e implementar nuevas medidas para combatirla.

Para aliviar la sintomatología asociada, la primera opción se basa en un tratamiento farmacológico. Sin embargo, no todos los pacientes responden bien a la medicación. Además, con el tiempo empieza a generar efectos adversos como discinesias (trastornos del movimiento anormales e involuntarios).

En estos casos, una vía de tratamiento es la estimulación cerebral profunda, que consiste en la implantación de un neuroestimulador que proporciona corriente eléctrica a través de una serie de electrodos en el área del cerebro que controla el movimiento (el núcleo-diana, normalmente el núcleo subtalámico). Esto hace que la población neuronal, alterada por la falta de dopamina, recupere su funcionamiento. Sin embargo, los neuroestimuladores actuales una vez implantados estimulan de manera continuada, lo cual induce efectos adversos en el paciente (como parestesia o deterioro cognitivo, entre otros).

“La estimulación cerebral bajo demanda representa una mejor estrategia de funcionamiento, en la que el dispositivo debe estimular solo cuándo el paciente lo necesite, bajo demanda y en tiempo real”, señala Carmen Cámara, investigadora del Centro de Tecnología Biomédica (CTB) de la UPM.

“Desarrollar un sistema como este requiere desentrañar el funcionamiento de las redes cerebrales implicadas, entendiendo qué comportamiento neuronal se genera en diferentes estados clínicos –como cuando el paciente presenta síntomas, como por ejemplo temblor, y cómo se comporta cuando el paciente no los tiene–”, continúa explicando Carmen Cámara.

Un sistema con total precisión

Para llevar a cabo este trabajo, los investigadores han estudiado este comportamiento observando la sincronización de las neuronas en los diferentes estados clínicos mediante métodos matemáticos de conectividad funcional. Han encontrado que, cuando el paciente presenta temblor, la sincronización de las neuronas cambia.

Este cambio, en la comunicación neuronal puede ser utilizado como elemento de decisión para que el dispositivo sepa cuándo comenzar la estimulación. El sistema que han desarrollado los investigadores ha sido diseñado bajo el paradigma de la inteligencia artificial o data stream minning.

“Este es un tipo de algoritmos novedosos capaces de trabajar en escenarios demandantes, teniendo que procesar y ofrecer una rápida respuesta. Tal es el caso de los neuroestimuladores, que registran señal cerebral de manera continua durante toda la vida del paciente, siendo necesaria la monitorización y toma de decisiones permanente”, indica la investigadora.

El sistema propuesto es capaz de funcionar con total precisión, pudiendo detectar, sin fallo, el estado en el que se encuentra el paciente. De no ser así, podrían darse situaciones en las que se dejara al paciente sin estimulación, situación que hay que evitar.

Dada la previsión en el crecimiento de la enfermedad de Parkinson, los investigadores esperan que sistemas como el que proponen se incorporen a la práctica clínica en los próximos años. Para ellos, los resultados son prometedores y suponen un paso importante en el desarrollo de sistemas inteligentes que supongan un mejor tratamiento.