Investigadores desarrollan un sistema que identifica señales de Parkinson a partir de ejercicios de escritura

Un grupo de investigadores de la India desarrolló un sistema capaz de detectar señales de la enfermedad de Parkinson mediante el análisis de ejercicios de dibujo realizados con un bolígrafo inteligente sobre una hoja en blanco.

El estudio , publicado en un en Discover Computing y Springer , describe una metodología que utiliza inteligencia artificial para examinar tanto las imágenes de espirales y líneas generadas por los participantes como las señales físicas del movimiento del bolígrafo, como presión, inclinación y aceleración.

La tecnología propuesta por el equipo liderado por Ishan Ayus , de la Siksha ‘O’ Anusandhan University , integra modelos avanzados de redes neuronales profundas, como ViT y DaViT para el procesamiento de imágenes, junto con Conv1D–BiGRU para señales dinámicas.

El algoritmo SNAKE permite combinar ambos tipos de información, optimizando la fiabilidad diagnóstica en cada caso analizado.

El método apela a dos tipos de información: imágenes digitalizadas de espirales y meandros (líneas en zigzag) y señales dinámicas recogidas por sensores del bolígrafo , como presión, inclinación y aceleración.

Es decir, la tecnología mide desde la forma de los dibujos hasta los pequeños temblores o cambios de velocidad imperceptibles para el ojo humano.

Según detalló el equipo, el sistema combina diferentes modelos de análisis basados en redes neuronales profundas , como los transformadores ViT y DaViT para imágenes y modelos como Conv1D–BiGRU para señales dinámicas.

La verdadera innovación radica en la integración de ambas fuentes de información mediante el algoritmo SNAKE, que optimiza y pondera cuál modalidad ofrece mayor fiabilidad en cada caso.

El resultado es contundente: el marco multimodal alcanzó un 98,95% de precisión para identificar patrones de meandro y un 97,74% para espirales , una mejora estadísticamente significativa respecto a métodos previos.

“El marco de fusión multimodal propuesto alcanza precisiones de clasificación del 98,95% para patrones de meandro y del 97,74% para patrones de espiral, lo que representa mejoras estadísticamente significativas frente a los enfoques unimodales”, explicaron los investigadores.

Por qué analizar la escritura El Parkinson afecta de manera temprana y sutil la motricidad fina.

Los cambios en la escritura suelen pasar inadvertidos hasta fases avanzadas, pero la tecnología puede captarlos en etapas iniciales.

“Las imágenes manuscritas aportan características espaciales de irregularidades en los trazos, distorsiones provocadas por temblores y desviaciones en la forma”, señaló el estudio.

En ese sentido, explica que la imagen manuscrita muestra irregularidades y temblores que no detecta el ojo humano, mientras que las señales del bolígrafo dan cuenta de fluctuaciones de velocidad y fuerza.