Si estás en Cantabria y ya has salido a la calle esta mañana, puede que te hayas cruzado con personas que llevan en su teléfono móvil la tecnología puntera en el mundo para detectar la evolución del Alzheimer. La Comunidad es el campo de experimentación de un prototipo de herramienta que analiza los trastornos de movilidad, como la velocidad de la marcha, la simetría o la regularidad desde el el ‘acelerómetro’ del móvil. Una empresa, AXPE CONSULTING, está desarrollando el prototipo basado en Inteligencia Artificial en colaboración con la Universidad de Cantabria, el Centro Tecnológico CTC, el Hospital Universitario Marqués de Valdecilla y el Instituto de Investigación Biomédica Valdecilla, IDIVAL.
Hoy te lo cuentan en Influyentes Javier Peláez Guerrero, Director de Talento y Desarrollo de Personas y Gema Atienza Chércoles, Matemática y Data Analytics & Artificial Intelligence en la consultora que desarrolla el modelo. La empresa con más de un centenar de trabajados en sus instalaciones de Camargo, gestiona además el SUMA 112 de Cantabria.
P.- Javier, ¿en qué punto se encuentra la construcción de un prototipo de laboratorio virtual de análisis del movimiento para monitorizar la evolución del Alzheimer?
A finales del año 2021 planteamos la posibilidad de diagnosticar los trastornos neurológicos a través de síntomas asociados a sus dificultades en el movimiento. Así que iniciamos la construcción de un prototipo para ver si era viable mejorar ese diagnóstico y seguimiento de la enfermedad fijándonos en ese movimiento de los pacientes. La idea es la siguiente: construir un sistema de software que posibilite a los médicos el seguimiento de los cambios en la enfermedad de Alzheimer. Y hablamos de un servicio que ofrecer a aquellos pacientes que quieran suscribirse. En este tiempo hemos desarrollado una metodología y un producto que permite identificar la fase o estadio de la enfermedad y cómo será la evolución del paciente; el médico puede hacer uso de esta información y aplicar las medidas de control que considere adecuadas. Esta metodología caracteriza la etapa de la enfermedad de cada paciente con una etiqueta, basada en la Escala de Deterioro Global (GDS).
Este prototipo construido es fruto de la colaboración de Axpe Cantabria con la Universidad de Cantabria, la Fundación Centro Tecnológico de Componentes CTC, de Santander, además de la Unidad de Trastornos Cognitivos (Departamento de Neurología) del Hospital Universitario Marqués de Valdecilla y el Instituto de Investigación Biomédica Valdecilla (IDIVAL).
Y a raíz de este trabajo conjunto se han publicado varios artículos, entre ellos uno con nuestra metodología en la revista Journal of Biomedical Informatics, que es la principal revista en el campo de la informática biomédica. Los resultados publicados en este artículo muestran que hemos alcanzado en nuestros modelos de inteligencia artificial una precisión en torno al 91% y una puntuación F1 de 0,897, superando los resultados de los modelos estándar basados en características.
Hasta mediados del 2023 seguiremos trabajando en la evolución de este prototipo. Buscaremos aumentar el tamaño del conjunto de datos original, para mejorar la fiabilidad del sistema. También queremos adecuar ese software para que siga una arquitectura de computación en la nube. Y nos falta construir un dashboard que permita al personal sanitario gestionar las historias clínicas de los pacientes, incluyendo la información generada a partir de los datos de acelerometría del móvil.
P.- Gema, para los no expertos, ¿cómo se puede entender este laboratorio virtual?
El objetivo de este prototipo es identificar cuál es el estado de los pacientes con enfermedad de Alzheimer. Esto lo hacemos usando los datos obtenidos de sus teléfonos móviles (en concreto, del acelerómetro) y con modelos de inteligencia artificial (aprendizaje profundo). La metodología que hemos desarrollado se compone de dos fases: una fase de preprocesamiento que transforma los datos del acelerómetro del teléfono móvil en secuencias más cortas de la misma longitud y homogeneiza los períodos entre los puntos de datos y una segunda fase de aprendizaje supervisado que construye una red neuronal convolucional (CNN) que predice el estadio de la enfermedad. Con esto tendremos una monitorización telemática de la patología por parte de especialistas en neurología. Además, los resultados predictivos de la red pueden utilizarse para detectar un agravamiento de la enfermedad y prevenir la progresión de esta a un estadio superior, así como para evitar complicaciones como caídas, desorientación espacial, etc.
P.- ¿Cómo recoger los datos de interés de una persona que padece Alzheimer para su diagnóstico y tratamiento? Cuando hablamos de IA, ¿cómo se aplica en este caso?
Los datos utilizados se obtuvieron del centro de día AFAC de Santander para pacientes con la enfermedad de Alzheimer. En este estudio participaron 35 pacientes y se realizó un seguimiento de su actividad en el centro durante una semana. Durante este tiempo, los pacientes tuvieron absoluta libertad para desarrollar sus actividades diarias en el centro de día. Cada uno de ellos llevaba un teléfono inteligente Android en su bolsillo que incorporaba un acelerómetro, todos con el mismo tipo y características. Registramos las secuencias de los datos que procedían de los móviles y éstos se etiquetaron con la fase de la enfermedad. Los cambios en la orientación de los teléfonos dentro de los bolsillos no tenían que ser un problema, ya que estarían provocados por las actividades y movimientos del paciente, lo cual es algo que el sistema debe poder gestionar correctamente, aprendiendo estas variaciones. A diferencia de otros estudios, no ha sido necesario ningún hardware o recurso adicional (ordenadores, hardware de análisis de movimiento, cámaras, etc.) para aplicar nuestra metodología. Para nuevos pacientes sólo es necesario llevar en el bolsillo el teléfono móvil.
P.- ¿Existe un proyecto similar en el entorno europeo o es pionero?
Nuestro trabajo es pionero respecto a propuestas anteriores en este campo, con otras aproximaciones más centradas en cuanto a neuroimagen y análisis clínico. Nos hemos basado en un método que observa las actividades diarias de los pacientes con el acelerómetro de sus móviles, y que es capaz de extraer conclusiones entre la relación de esos patrones de movilidad de los pacientes y el estadio de la enfermedad.
P.- ¿Qué ventajas puede aportar el abordaje tecnológico del Alzheimer?
La tecnología está cambiando cómo vemos la asistencia sanitaria. Al enfoque tradicional de un centro hospitalario ahora le unimos la posibilidad de recoger una gran cantidad de información de la vida diaria del paciente y así personalizar su asistencia médica.
Los dispositivos basados en sensores no requieren de ningún esfuerzo de interacción por parte del paciente, pero especialmente en el caso de la demencia, nos permiten ampliar las posibilidades en la atención. Los móviles ofrecen la ventaja de una monitorización continua y no invasiva. Nos ayuda en la monitorización de la seguridad, como las estimaciones del riesgo individual de caídas o en los episodios de abandono de la cama durante la noche. También en el seguimiento y predicciones de las alteraciones del comportamiento (como apatía o conductas desafiantes). Los acelerómetros de los móviles también nos ayudan en evaluar los efectos de los posibles tratamientos. Pero también confiamos en que será útil en la aplicación de un tratamiento capaz de modificar el curso de la enfermedad y en la mejora del diagnóstico precoz, cuando los síntomas clínicos aún no han aparecido.
P.- Este modelo, ¿podría aplicarse a otro tipo de enfermedades o patologías?
Sí, se puede reutilizar el modelo, pero siempre debe pasar por una fase de reentrenamiento previa que adecúe el modelo de diagnóstico a la patología correspondiente, al tipo de sensórica utilizada y a la metodología empleada para la obtención de datos.
En los casos más sencillos, sólo necesitaríamos nuevos datos de entrenamiento de pacientes afectados por la nueva patología, para luego poder ejecutar el reentrenamiento del modelo de IA. Las patologías que constituirían los casos más sencillos, serían aquellas enfermedades que compartan como síntoma una deficiencia motriz y utilicen el mismo tipo de sensórica que en nuestra solución actual, en este caso un acelerómetro. Por ejemplo, la enfermedad de Parkinson sería un candidato perfecto para la aplicación de nuestra solución. Nuestro modelo es compatible para explotar datos provenientes de cualquier sensor, pero se debe modificar su arquitectura para maximizar la eficiencia del modelo ante la interpretación de esos nuevos sensores. Siempre que se apliquen esas leves modificaciones en la arquitectura, se podría aplicar este modelo para explotar la información de cualquier sensor y desarrollar otro tipo de soluciones, como el control de la glucosa o la detección de paradas cardíacas.
P.- Javier, ¿en qué punto queda el factor humano, la experiencia de los médicos, en este sistema? ¿Son sustituibles?
No son para nada sustituibles. Lo que hacemos es dar soporte telemático al diagnóstico y seguimiento de la enfermedad. Queremos facilitar a los médicos el estadio de la patología y darles más herramientas para predecir la evolución, mejorar el tratamiento y prevenir complicaciones. Pero siempre prima su experiencia y entendimiento.
P.- Cómo se está desarrollando la colaboración con la Universidad de Cantabria y el Hospital Universitario Marqués de Valdecilla, ¿qué aporta cada parte?
La Universidad de Cantabria y El Hospital Universitario Marqués de Valdecilla han sido socios esenciales para el diseño e implantación de la herramienta de diagnóstico inteligente. La Universidad de Cantabria lleva a cabo una labor de supervisión sobre el proyecto para asegurar que se cumplen todos los requisitos técnicos y funcionales durante todo el ciclo de vida del proyecto. También han sido partícipes en tareas de diseño de la solución y nos han dado soporte a la hora de solucionar problemas técnicos, facilitándonos acceso a expertos en el campo de las Matemáticas, Informática e Inteligencia Artificial.
Por otro lado, el Hospital Universitario Marqués de Valdecilla se ha encargado de recopilar los datos de movilidad de los pacientes afectados por la enfermedad de Alzheimer, indicando también el estadio de dicha enfermedad. Gracias a esas muestras de acelerometría hemos podido entrenar la red neuronal. Sin muestras con las que entrenar el modelo de IA, no podríamos llevar a cabo este proyecto.
P.- ¿Qué significa para AXPE Consulting este proyecto?
Axpe Consulting Cantabria desea estar en la vanguardia de las empresas que ofrecen soluciones tecnológicas en el ámbito de salud, con productos para gestionar citas e historiales médicos, pero con servicios de valor añadido que permiten, por ejemplo, la monitorización y el diagnóstico a distancia. Hoy en día estamos en tránsito hacia una nueva manera de practicar la medicina (predictiva, preventiva y personalizada). La implantación de nuevas herramientas de Inteligencia Artificial está cambiando la atención médica. También disponemos de grandes cantidades de datos heterogéneos sobre los pacientes y los procesos. En Axpe usamos la Inteligencia Artificial en el ámbito clínico (servicios de telemedicina para predicción de la evolución de un paciente), en el campo de la investigación clínica y en la gestión (para agilizar la gestión de procesos hospitalarios y ahorrar costes). En concreto, en la línea clínica, trabajamos casos de uso como detección de apraxias, detección de fracturas, segmentación de tumores o clasificación de lunares. En línea en investigación trabajamos en la segmentación de células, datos sintéticos, selección de pacientes para ensayos clínicos o predicción de respuesta al tratamiento. Por último, en la línea enfocada a gestión, trabajamos en la implementación de plataformas analíticas para la explotación de los datos de centros médicos, codificación de informes médicos, predicción de reingresos o gestión de camas.
