COMUNICACIÓN POSTER
AUTORES
Matarazzo , Michele 1; null, Luca 2; Arroyo Gallego, Teresa 3; Montero Escribano, Paloma 4; Puertas Martín, Veronica 5; null, Ian 6; Alonso Cánovas, Araceli 7; Bermejo Pareja, Felix 5; null, Maria Jose 4; Herreros Rodríguez, Jaime 8; López Manzanares, Lydia 9; Martínez Castrillo, Juan Carlos 7; Molina Arjona, Jose Antonio 5; null, Lydia 10; Martínez Martín, Pablo 11; null, Martha 6; null, Jose A 12; Sánchez Ferro, Alvaro 5
CENTROS
1. Servicio: HM CINAC. Hospital Universitario HM Puerta del Sur; 2. Servicio: School of Biomedical Informatics. The University of Texas Health Science Center of Houston; 3. Massachusetts Institute of Technology. Institute for Medical Engineering and Science; 4. Servicio de Neurología. Hospital Clínico San Carlos; 5. Servicio de Neurología. Hospital Universitario 12 de Octubre; 6. Massachusetts Institute of Technology. Research Laboratory of Electronics; 7. Servicio de Neurología. Hospital Ramón y Cajal; 8. Servicio de Neurología. Hospital Universitario Infanta Leonor; 9. Servicio de Neurología. Hospital Universitario de la Princesa; 10. Servicio de Neurología. Hospital Universitario Fundación Alcorcón; 11. Centro Nacional de Epidemiología. Instituto de Salud Carlos III; 12. Centro Integral de Neurociencias AC. HM Universitario Puerta del Sur
OBJETIVOS
Para valorar los cambios en el estado motor de los sujetos con enfermedad de Parkinson, el estándar actual es la escala UPDRS-III. Esta escala presenta importantes limitaciones que afectan su utilidad, ya que ofrece información basada en una evaluación subjetiva, que requiere personal especializado y tiempo. Además, es necesario que el paciente acuda a un centro hospitalario. Presentamos un estudio para validar una herramienta que permite valorar cambios en el estado motor de manera remota, ecológica y objetiva, analizando el tecleo de texto libre con ordenador.
MATERIAL Y MÉTODOS
Se incluyeron consecutivamente 31 sujetos con enfermedad de Parkinson de-novo y 30 controles, y fueron evaluados 1 semana antes de empezar la medicación y durante las 24 semanas siguientes. Durante el estudio se siguió la evolución de las características de tecleo en casa. Se ha utilizado un modelo de Recurrent Neural Network (RNN), para analizar el cambio en patrones de tecleo intra-sujetos.
RESULTADOS
La predicción de la clasificación de sujetos con mejoría vs sujetos sin cambios en el estado motor de acuerdo al mínimo cambio clínicamente importante del UPDRS-III en la última visita obtuvo una AUC de 0.74 utilizando un análisis de ROC. El cutoff calculado con el método Youden obtuvo una clasificación de las poblaciones con un Kappa de 0.53 y un porcentaje de acuerdo del 80%.
CONCLUSIONES
Utilizando un método objetivo, cuantitativo, ecológico y con diseño naturalista, el RNN ha demostrado una AUC y un valor Kappa moderados para la predicción de respuesta a medicación con 16 semanas de antelación respecto al estándar actual.
