Monitorización ambulatoria de fluctuaciones y síntomas motores mediante acelerómetros : contribución a la diagnosis y seguimiento de la enfermedad de Parkinson

Abstract

Parkinson's Disease (PD) is a neurodegenerative disorder that currently does not have any known cure. Although there are treatments that enable patients to have a good quality of life over many years, adverse effects, from taking the medication which appear after several years of treatment, affect them deeply. These adverse effects are manifest by patients with fluctuations presented throughout the day between periods or motor states called ON and OFF. The knowledge of how these fluctuations evolve during the day and throughout the disease yield valuable information, not only because neurologists could then effectively tailor medication but also patients could also understand their disease and know precisely its evolution. In this regard, their involvement and understanding of the disease and its development are of vital importance in improving the quality of life of the patient and their surrounding. This thesis is a contribution to the ambulatory monitoring of motor fluctuations and motor symptoms in PD using accelerometers, and aims to design a sensor system that is able to monitor objectively these fluctuations. A device of this kind would be a significant advance in the clinical practice, as it would allow a personalised monitoring and medication adjustment to the individualised needs of patients. In addition, it would open the possibility for further improvements in the treatment and diagnosis of PD, such as the closed loop control for the continuous administration of medication, the use of technological walking aid guides (using cues, both haptic and sound) or continuous monitoring and the generation of automatic reports and alarms. Based on this overall objective, which arises from a medical problem, a solution is proposed based on a methodological approach from an engineering world. This methodology enables modelling and, in many aspects, automating the necessary steps to develop technological solutions to problems related to health monitoring. The main contributions of this thesis are within the field of algorithm developments in which, from the generated data bases, a series of classifiers have been developed based on supervised learning techniques that are the ¿core¿ of the system. These contributions are divided into four structured algorithms as a single hierarchical classifier. Among these four classifiers, three of them are responsible for the detection of specific motor symptoms, which represent a yield of valuable information by itself in the monitoring and diagnosis of PD. In this dissertation, it is further proposed to combine this information with that provided from the fourth detector, which enables us to obtain a very precise map of the presence of motor fluctuations throughout the day. These algorithms are based on Support Vector Machine (SVM) classifiers and in the extraction of frequency and temporal characteristics. The validation of these detectors provides values of over 90% accuracy in the detection of motor fluctuations and dyskinesia in more than 20 patients studied. Furthermore, the whole process has been designed under the supervision of medical professionals who directed the research so that the information that the group of algorithms provide is useful and effective in routine clinical practice. Finally, one can say that this whole system is a major advance forward; as currently there does not exist on the market any system with a single sensor with these characteristics that allows neurologists to objectively detect the presence of PD symptoms and, moreover, enables a long-term objective diagnostic method.

La enfermedad de Parkinson (EP) es un trastorno neurodegenerativo que en la actualidad no tiene cura conocida. Aunque existen tratamientos que ofrecen al paciente una buena calidad de vida durante muchos años, los efectos adversos a la medicación, que aparece tras varios años de tratamiento, pueden afectarles gravemente. Estos efectos adversos se manifiestan en fluctuaciones, que los pacientes presentan a lo largo del día, entre los llamados periodos o estados motores ON y OFF. El conocimiento de la evolución de estas fluctuaciones tanto a lo largo del día como a lo largo de la enfermedad es una información muy valiosa, no solo para que el neurólogo pueda pautar de forma efectiva la medicación, sino también para que el paciente pueda entender su enfermedad y conocer de forma precisa su evolución. En este sentido, la involucración y comprensión de la enfermedad y de su evolución son de vital importancia en la mejora de la calidad del paciente y su entorno. La tesis que este documento recoge es una aportación a la monitorización ambulatoria de fluctuaciones y síntomas motores en la EP mediante acelerómetros y tiene como objetivo diseñar un sistema sensor que sea capaz de monitorizar estas fluctuaciones de forma objetiva. Un dispositivo de estas características supondría un avance notable en la práctica clínica ya que posibilitaría un seguimiento personalizado y un ajuste de la medicación a las necesidades individualizadas de los pacientes. Además, abriría la posibilidad a nuevas mejoras dentro del tratamiento y la diagnosis de la EP, como pueden ser el control en lazo cerrado de la administración de medicación, la utilización de ayudas tecnológicas de guiado al caminar (mediante pistas auditivas o apticas) o monitorización continua y generación de informes y alarmas automáticos. Partiendo de este objetivo general, que surge de una problemática médica, se propone una solución a través de un esquema metodológico procedente del mundo de la ingeniería. Esta metodología permite modelizar y, en muchos aspectos, automatizar los pasos necesarios para desarrollar soluciones tecnológicas a problemáticas de carácter de monitorización médica. Las principales contribuciones de esta tesis han sido en el apartado del desarrollo algorítmico donde, a partir de las bases de datos generadas, se han desarrollado una serie de clasificadores basados en técnicas de aprendizaje supervisado que son el ¿corazón¿ del sistema. Estas contribuciones se articulan en cuatro algoritmos estructurados en forma de un único clasificador jerárquico. De entre los cuatro clasificadores, tres de ellos se encargan de la detección de síntomas motores que por sí solos representan una información muy valiosa en el seguimiento y diagnosis de la EP. En esta tesis se propone, además, combinar la información proporcionada junto al cuarto detector, lo cual permite obtener un mapa muy preciso de la aparición de las fluctuaciones motoras a lo largo del día. Estos algoritmos están basados en clasificadores SVM y en la extracción de características frecuenciales y temporales. La validación de los detectores aporta valores por encima del 90% de precisión en la detección de las fluctuaciones motoras y de las discinesias en más de 20 pacientes. Además, todo el proceso se ha diseñado bajo la supervisión de profesionales médicos que han dirigido la investigación para que la información que proporciona el grupo de algoritmos sea útil y efectiva en la praxis clínica habitual. Finalmente, se puede afirmar que el sistema completo supone un importante avance ya que en la actualidad no existe en el mercado ningún sistema con un único sensor de estas características que permita a los neurólogos conocer objetivamente la pauta de aparición de síntomas al cabo del día y que, además, permita un método diagnóstico objetivo a largo plazo.