Tesis:
Evaluación de un sistema de identificación de fluctuaciones (estado ON/OFF) en enfermos de Parkinson
- Autor: BARRACHINA FERNÁNDEZ, Mercedes
- Título: Evaluación de un sistema de identificación de fluctuaciones (estado ON/OFF) en enfermos de Parkinson
- Fecha: 2024
- Materia:
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: MATEMATICA APLICADA A LAS TECNOLOGIAS DE LA INFORMACION Y LAS COMUNICACIONES
- Acceso electrónico: https://oa.upm.es/81685/
- Director/a 1º: SÁNCHEZ ÁVILA, María del Carmen
- Director/a 2º: ROMERO MUÑOZ, Juan Pablo
- Resumen: Parkinson's disease (PD) is the second most common neurodegenerative disorder worldwide and its annual prevalence of new cases ranges between 5 and 35 per 100,000 inhabitants [1]. The manifestations of PD are diverse and include motor and non-motor symptoms. Non-motor symptoms can affect the neuropsychiatric, cardiovascular, autonomic, genitourinary, and other systems [2]. In general, non-motor symptoms are underestimated and not recognized when defining the treatment strategy [3].
Accurate detection of motor and non-motor symptoms is crucial for the diagnosis and monitoring of the disease, as well as for treatment adjustments [4]. However, examination of patients with PD is usually done clinically, which increases the likelihood of inaccuracy if performed by non-specialized physicians. Furthermore, although motor and non-motor symptoms typically improve in response to levodopa treatment, as the disease progresses, response to medication fluctuates throughout the day [3]. This determines that the detection and/or prediction of symptom fluctuations is essential to adequately adjust therapeutic management. However, detection of such fluctuations often depends on the patients ability to remember these periods over the past few days, which can lead to inaccuracies and/or underreporting [5].
Biosignals or medical signals have become a source of patient data, which provide information about how their different organs and systems are working, allowing the analysis of cellular, biochemical and molecular factors, among others, therefore providing information about diseases being already suffered by the patient and that could be suffered in the future. The treatment of these signals began more than 50 years ago, focusing the study on the electrocardiogram signal and since then, research on the extraction of characteristics from this and other signals has increased considerably. On the other hand, Artificial Intelligence (AI) is helping to develop multiple applications in different areas, including the diagnosis and treatment of diseases in medicine.
This work focuses on beginning by studying one of the biosignals most related to the sympathetic system, the electrodermal signal, and understanding what its most relevant characteristics and frequent applications are. Subsequently, the main symptoms associated with Parkinson's, diagnostic criteria and different treatments are identified. The use of multiple biosignals has been investigated in Parkinson's patients; however, the use of skin conductance measurements has not been systematically reviewed, so a study will, first be carried out to analyze the devices used, the purpose of the study, the measurements evaluated and the processing and analysis methods applied to the signals. Currently there are different devices focused on identifying the characteristics of PD, which evaluate the motor symptoms and help in the management of the disease. The identification of symptom fluctuations is key to improve the patients life, therefore, this work has focused on the investigation of the use of sensors to identify ON/OFF states in patients with PD, and evaluate the application of ML techniques to differentiate between ON/OFF states.
Once this theoretical analysis is concluded, different models will be proposed to model the ON/OFF states in Parkinson's patients, using models based on SVM and different configurations of neural networks. The last step of this study focuses on carrying out an exploratory analysis of the relationship between the electrodermal signal and the electroencephalogram signal also in Parkinson's patients, seeking to define correlations that could be used in future lines of research. Finally, the main conclusions of this research and some open lines as a continuation of this work are detailed.
RESUMEN
La enfermedad de Parkinson (EP) es el segundo trastorno neurodegenerativo más común en todo el mundo y su prevalencia anual de nuevos casos oscila entre 5 y 35 por 100.000 habitantes [1]. Las manifestaciones de la EP son diversas e incluyen síntomas motores y no motores. Los síntomas no motores pueden afectar los sistemas neuropsiquiátrico, cardiovascular, autónomo, genitourinario y otros [2]. En general, los síntomas no motores se subestiman y no se reconocen al definir la estrategia de tratamiento [3].
La detección precisa de los síntomas motores y no motores es crucial para el diagnóstico y seguimiento de la enfermedad, así como para los ajustes del tratamiento [4]. Sin embargo, la exploración de los pacientes con EP suele realizarse clínicamente, lo que aumenta la probabilidad de inexactitud si la realizan médicos no especializados. Además, a pesar de que los síntomas motores y no motores suelen mejorar en respuesta al tratamiento con levodopa, a medida que avanza la enfermedad, la respuesta a la medicación fluctúa durante el día [3]. Esto determina que la detección y/o predicción de las fluctuaciones de los síntomas es fundamental para ajustar adecuadamente el manejo terapéutico. Sin embargo, la detección de tales fluctuaciones suele depender de la capacidad del paciente para recordar estos períodos durante los últimos días, lo que puede dar lugar a imprecisiones y/o subregistro [5].
Las bioseñales o señales médicas se han convertido en una fuente de datos del paciente, facilitando, por tanto, información sobre las enfermedades que está sufriendo el paciente o que podría sufrir en un futuro. Por otro lado, la Inteligencia Artificial (IA) está ayudando a desarrollar múltiples aplicaciones en diferentes campos, entre ellas el diagnóstico y tratamiento de enfermedades en medicina.
Este trabajo se centra en comenzar estudiando una de las bioseñales más relacionadas con el sistema simpático, la señal electrodermal y entender cuáles son sus características más relevantes y aplicaciones frecuentes. Posteriormente, se identifican los principales síntomas asociados al Parkinson, criterios de diagnóstico y diferentes tratamientos. En enfermos de Parkinson se ha investigado la utilización de múltiples bioseñales, sin embargo, el uso de medidas de conductancia de la piel no se ha revisado sistemáticamente, por lo que se procederá, en primer lugar, a realizar un estudio para analizar los medios utilizados, el propósito perseguido, el dispositivo utilizado para registrarla y los métodos de procesamiento y análisis de dichas señales. Actualmente hay diferentes dispositivos enfocados en identificar las características de la EP, que realizan una evaluación de los síntomas motores y que ayudan en el manejo de la enfermedad. La identificación de las fluctuaciones de los síntomas es clave para mejorar la vida del paciente, por tanto, este trabajo se ha centrado en la investigación del uso de sensores para identificar los estados de ON/OFF en pacientes con EP, y evaluar la aplicación de técnicas de ML para diferenciar entre los estados de ON/OFF.
Una vez concluido este análisis teórico, se van a proponer diferentes modelos para modelizar los estados ON/OFF en pacientes de Parkinson, usando modelos basados en SVM y diferentes configuraciones de redes neuronales. El último paso de este estudio se centra en realizar un análisis exploratorio de la relación existente en la señal electrodermal y la señal del electroencefalograma también en pacientes de Parkinson, buscando definir correlaciones que podrían ser utilizadas en futuras líneas de investigación. Finalmente, se detallan las principales conclusiones de esta investigación y algunas líneas abiertas como continuación de este trabajo.