Investigadores han desarrollado un sistema de diagnóstico que detecta indicadores tempranos de la enfermedad de Parkinson analizando patrones de escritura y dibujo capturados por un bolígrafo inteligente. La metodología combina dos fuentes de datos: imágenes digitalizadas de espirales y líneas en zigzag, junto con señales dinámicas que registran presión, inclinación y aceleración del instrumento de escritura.
El enfoque técnico integra modelos avanzados de redes neuronales profundas —ViT y DaViT para procesamiento de imágenes, Conv1D–BiGRU para análisis de señales dinámicas— unificados mediante el algoritmo SNAKE. Esta arquitectura captura tanto irregularidades visuales en los trazos como fluctuaciones de velocidad y fuerza que resultan imperceptibles al ojo humano. Los resultados demuestran una precisión del 98.95% en la identificación de patrones de meandro y 97.74% en espirales, representando un avance significativo respecto a metodologías anteriores.
Relevancia clínica y operativa
El Parkinson afecta la motricidad fina en fases tempranas, pero estos cambios suelen pasar desapercibidos hasta estadios avanzados de la enfermedad. La tecnología permite detectar esas alteraciones en etapas iniciales, cuando las intervenciones terapéuticas resultan más efectivas. Las imágenes manuscritas revelan distorsiones provocadas por temblores y desviaciones en la forma, mientras que los datos del bolígrafo reflejan variaciones en velocidad y presión que caracterizan la progresión motora.
Ventajas operacionales del sistema
La metodología elimina la necesidad de biomarcadores biológicos invasivos o evaluaciones prolongadas. El proceso requiere únicamente un bolígrafo especial y ejercicios de escritura de corta duración, lo que reduce significativamente los costos de screening y facilita su implementación en contextos de atención primaria. El enfoque basado en transformadores captura irregularidades espaciales de largo alcance y sutiles en la escritura, abriendo nuevas posibilidades para programas de detección temprana a nivel poblacional.
Esta convergencia entre neurociencia, ingeniería de sensores e inteligencia artificial representa un cambio en los protocolos de diagnóstico neurodegenerativo, trasladando la evaluación desde laboratorios especializados hacia entornos más accesibles y escalables.
