Investigadores de la University of Missouri están probando un sistema que integra sensores domésticos y modelos de inteligencia artificial para detectar cambios en la salud de personas con esclerosis lateral amiotrófica (ELA). La ELA afecta las neuronas que controlan el movimiento y provoca progresiva debilidad, así como dificultades para hablar, tragar y respirar. Dado que la evolución es distinta en cada paciente, los clínicos disponen a menudo de poca información entre las visitas presenciales.
Bill Janes, terapeuta ocupacional licenciado e investigador en Mizzou, dirige el esfuerzo para adaptar sensores desarrollados originalmente por Marjorie Skubic (College of Engineering) y Marilyn Rantz (Sinclair School of Nursing). Esos dispositivos detectan cambios en la actividad y el comportamiento, incluidos los patrones de marcha y sueño, y han contribuido a intervenciones que retrasan o previenen eventos graves en adultos mayores.
Las señales de los sensores viajan de forma inalámbrica desde el hogar a través de dos pequeñas cajas y luego se transfieren de forma segura a los sistemas de la universidad. El equipo valida ahora que los datos reflejen con precisión cambios reales en la función diaria; tras esa validación, avanzarán hacia el modelado predictivo para interpretar la información recogida. Usan aprendizaje automático para crear modelos que estimen la puntuación en la escala clínica ALSFRS-R, que mide cómo la ELA afecta habilidades como caminar, hablar, tragar y respirar.
Noah Marchal, analista de investigación en la School of Medicine y candidato a doctorado en informática de la salud, lidera la ciencia de datos y trabajó con su tutor Xing Song para implementar los componentes de IA. El objetivo es detectar problemas con antelación, por ejemplo cambios en la marcha o la respiración que podrían provocar una caída o una hospitalización. En fases posteriores, el equipo planea integrar el sistema en los flujos de trabajo clínicos: si el modelo indica una caída preocupante, un clínico podría recibir una alerta y tomar medidas como contactar al paciente, ajustar la medicación, recomendar dispositivos de ayuda o sugerir tratamiento adicional.
Los comentarios iniciales de las familias han sido positivos y muchas informan mayor conexión y tranquilidad. Los investigadores señalan que el enfoque también podría adaptarse para vigilar otras enfermedades crónicas, como la enfermedad de Parkinson o la insuficiencia cardíaca. El estudio aparece en la revista Frontiers in Digital Health y fue reportado por la University of Missouri.
Palabras difíciles
- integra — unir partes para que funcionen juntas
- valida — comprobar que los datos son correctos y fiables
- modelado predictivo — crear modelos para prever eventos o cambios futuros
- aprendizaje automático — método de inteligencia artificial que aprende de datos
- intervenciones — acción médica o social para mejorar la salud
- patrones — serie regular de comportamiento o de actividad
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o escuchas.
Preguntas de discusión
- ¿Qué beneficios podrían tener los sensores domésticos y el modelado predictivo para pacientes con ELA u otras enfermedades crónicas? Explica con ejemplos.
- ¿Qué preocupaciones prácticas o éticas pueden surgir al transferir datos domésticos a sistemas universitarios o clínicos?
- ¿Cómo imaginas que los flujos de trabajo clínicos podrían cambiar si se integran alertas de este sistema? Da posibles acciones concretas.
Artículos relacionados
Supervivientes jóvenes de cáncer envejecen más rápido
Un estudio revela que los supervivientes jóvenes de cáncer muestran envejecimiento biológico acelerado, tanto a nivel celular como cerebral, y que esto se vincula con problemas de memoria y atención. Los investigadores prueban intervenciones para revertirlo.
Preocupación por los colorantes alimentarios sintéticos
Un experto ofrece nueva información sobre colorantes sintéticos como Red Dye 40 y Yellow 5, que la FDA quiere que las empresas eliminen. Hay inquietud por efectos en el neurodesarrollo infantil y por sustitutos con más azúcar y grasa.
