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.

Los investigadores señalan también que el análisis mediante modelos de inteligencia artificial permite distinguir si los trazos corresponden a una persona sana o a alguien con Parkinson, incluso cuando el dibujo parece correcto a simple vista. La clave está en que las dos modalidades se complementan: las imágenes reflejan la forma y las señales dinámicas muestran el proceso motor.

Ventajas y desafíos del método

El sistema desarrollado evita la necesidad de biomarcadores biológicos invasivos o de realizar exámenes prolongados. Solo requiere un bolígrafo especial y unos minutos de ejercicios. “El enfoque propuesto emplea modelos modernos de visión basados en transformadores, que permiten captar de manera más eficaz irregularidades espaciales de largo alcance y sutiles en la escritura, una capacidad poco explorada en estudios previos”, destacó el equipo.

El estudio utilizó una muestra de 66 personas, con 31 pacientes con Parkinson y 35 controles sanos. Si bien los resultados son prometedores, los propios autores advierten que el método no sustituye el juicio clínico y aún requiere validación en poblaciones más amplias y diversas.

“Por consiguiente, el presente estudio debe interpretarse como un marco de detección de la enfermedad de Parkinson basado en la escritura y en etapa de investigación, y no como un sistema diagnosticado clínicamente validado o como un sustituto de la evaluación neurológica”, aclararon los investigadores.

Las próximas etapas incluyen validar el sistema en cohortes más grandes, incorporar otras señales digitales como la voz o la marcha, y adaptar la tecnología a dispositivos cotidianos como tabletas o smart pens. El potencial de esta tecnología radica en que, con solo observar cómo una persona dibuja una espiral, se puede anticipar una enfermedad que hasta hoy suele diagnosticarse tarde y con herramientas subjetivas.