Activa las notificaciones para estar al tanto de lo más nuevo en tecnología.

supercomputer-brain5

Estudiantes de la Escuela Superior de Cómputo del Instituto Politécnico Nacional (IPN) han desarrollado un sistema informático que permite diagnosticar la enfermedad de Parkinson desde sus etapas iniciales a través de memorias asociativas y el análisis de la voz.

La enfermedad de Parkinson es una patología que afecta al sistema nervioso en el área encargada de coordinar la actividad, el tono muscular y los movimientos. En estas areás afectadas las neuronas que producen una sustancia química llamada dopamina mueren o no funcionan adecuadamente.

Actualmente no existe ninguna prueba que permita confirmar la presencia de esta enfermedad neurodegenerativa, cuyo diagnóstico suele basarse en la detección de determinados síntomas y el uso de técnicas de imagen cerebral para descartar otros trastornos. Lo que hace que, en muchos casos, su diagnóstico se produzca cuando la enfermedad ya está avanzada. Motivo por el cual un diagnóstico precoz es clave para comenzar a tratar la enfermedad cuanto antes, de ahí que lleven años buscando diferentes mecanismos para mejorar su detección.

Este nuevo sistema desarrollado por los alumnos Jorge Alberto Cruz Cruz, Ricardo López Vicente y Erika Robledo Alonso, ha precisado que el Parkinson, en su etapa inicial, se manifiesta con alteraciones en el habla ocasionadas por la rigidez en la laringe y las cuerdas vocales.

Los politécnicos, quienes obtendrán con este prototipo el título de Ingeniero en Sistemas Computacionales, mencionaron que la enfermedad de Parkinson es difícil de diagnosticar, pues a menudo se confunde con signos propios del envejecimiento o con padecimientos del sistema nervioso central, como esclerosis múltiple.

Para su diseño se requirieron dos años de investigación y desarrollo donde se utilizo una base de datos donada por la Universidad de Oxford, la cual contenía una variedad de diferentes parámetros de voz, los cuales fueron analizados mediante diversas memorias asociativas, porque son modelos que con la extracción de pequeñas porciones de información tienen un rendimiento muy elevado, por lo que su rango de error es mínimo.

Señalaron que la adaptación a los modelos de las memorias alfa beta y morfológicas permitió que realizaran diagnósticos más certeros, alcanzando hasta un 100% de efectividad.

“En el repositorio contábamos con 195 registros y las memorias determinaron que el 26% de ellos no tenían la enfermedad de Parkinson, pero el 74% restante sí, lo cual tuvo una exactitud del cien por ciento. Comprobamos que las memorias asociativas son modelos con un alto porcentaje de efectividad, porque son muy estrictas en cuanto a la recuperación de información se refiere”, agregaron.

Referencia: La Jornada

 

Desde la Red…
Comentarios