“Hacia una detección temprana de la enfermedad de Parkinson a través del análisis de componentes Principales (PCA) y Redes Neuronales Artificiales (RNA)” : [Una Propuesta Experimental]

Abstract

La enfermedad de Parkinson es un trastorno neurodegenerativo que afecta predominantemente a personas de edad adulta, entre 50 y 60 años. La complejidad en el diagnóstico de la enfermedad representa un desafío para los médicos, ya que en muchos casos es difícil de diagnosticar con precisión en las primeras etapas. Se presenta un sistema para detectar tempranamente la enfermedad de Parkinson a través de redes neuronales artificiales (RNA), haciendo uso de un perceptrón multicapa de propagación hacia atrás, para la búsqueda y clasificación de patrones de la dinámica corporal. El sistema integra 5 etapas: en la primera se construye una base de datos que se obtiene con un sistema micro electromecánico, constituido por un acelerómetro, un giróscopo, un magnetómetro y un pulsómetro, conectados a una placa Arduino Due; a través de ocho tareas que incorporan movimientos lineales y circulares previamente seleccionadas se extraen las características dinámicas de 60 sujetos sanos en edades comprendidas entre los 20 y 74 años y de 6 pacientes con la enfermedad de Parkinson en sus primeros estadios (I y II) con un promedio de edad de 60 años. La segunda etapa corresponde al tratamiento de los datos empleando el software MATLAB, reduciéndolos a una misma longitud, se estandarizan para regularizar las escalas dinámicas, se eliminan los valores atípicos para pasar a la tercera etapa que corresponde a la reducción de la dimensionalidad aplicando un análisis de componentes principales (PCA), etiquetando a los sujetos para crear entonces la base de conocimiento, siendo ahora estos los datos de entrada a la red neuronal. En la cuarta etapa se establece la arquitectura de la red, se inicia el entrenamiento de la misma, se obtiene la matriz de confusión y los parámetros de la red, que se utilizan para la proyección del grupo patológico. En la quinta etapa se presentan los dendrogramas de clasificación en términos de distancia de Mahalanobis por tarea y combinaciones entre ellas. Se obtiene una eficiencia del 100% cuando se emplean todas las tareas y todos los parámetros. Finalmente, se proyectan 15 nuevos sujetos sanos y se obtiene una clasificación del 73.3 % para sujetos con características dinámicas similares al grupo sano, mientras que el restante posee características dinámicas similares al grupo patológico, siendo sujetos potenciales que pueden padecer Parkinson en algún momento de su vida.