COMUNICACIÓN ORAL | 20 noviembre 2018, martes | Hora: 15:30
AUTORES
Aracil Bolaños, Ignacio 1; Lage , Carmen 2; Kazimierczak , Martha 2; Hernández , Erik 3; Gomez Martin, Silvia 4; Lozano , Pablo 3; Destarac , Marie Andre 3; Acebrón , Rafael 3; Gómez Andrés, David 5; Pulido Valdeoliva, Irene 6; Sánchez Juan, Pascual 2; Pagonabarraga Mora, Javier 1; Garcia Cena, Cecilia E. 4; Kulisevsky Bojarski, Jaime 1
CENTROS
1. Servicio de Neurología. Hospital de la Santa Creu i Sant Pau; 2. Servicio de Neurología. Hospital Universitario Marqués de Valdecilla; 3. Servicio: AURA Innovative Robotics SL.. AURA Innovative Robotics SL.; 4. Centro de Automática y Robótica UPM-CSIC. ETSIDI-Universidad Politécnica de Madrid,; 5. Servicio de Neurología. Hospital Clínic i Provincial de Barcelona; 6. Servicio de Neurología. Hospital Universitari Vall d'Hebron
OBJETIVOS
Las enfermedades neurodegenerativas, como la Enfermedad de Parkinson (EP), producen una afectación característica de los movimientos oculares. Los dispositivos de análisis del movimiento ocular (AMO) pueden contribuir a una detección precoz de estas alteraciones. Los avances en captura y análisis del movimiento ocular permiten una mayor precisión de estas evaluaciones, más allá de los parámetros clásicos.
MATERIAL Y MÉTODOS
Evaluación de 14 pacientes con EP y 21 controles mediante tecnología OSCANN para AMO. Evaluación de 23 parámetros en paradigmas de movimiento ocular: sacadas visuales, guiadas por memoria, antisácadas, seguimiento sinusoidal, fijación... Comparación de medias mediante prueba T de Student. Análisis mediante aprendizaje automático (random forests).
RESULTADOS
Se obtuvieron diferencias significativas entre grupos para latencia de sacada horizontal, latencia de la sacada de memoria, tasa de errores en antisácada, latencia en seguimiento lento… en línea con lo descrito en la literatura. En el análisis avanzado se describe un modelo de enfermedad utilizando aprendizaje automático que consiguen una clasificación con Área Bajo la Curva de 95%. Este modelo discrimina al paciente respecto al control y le sitúa con detalle respecto a la media de su enfermedad, permitiendo apreciar desviaciones que podrían ser útiles en el diagnóstico diferencial.
CONCLUSIONES
OSCANN es una tecnología de AMO avanzado que obtienen resultados similares a los descritos a la literatura para la EP. Aporta la posibilidad de diagnóstico integrando aproximaciones de aprendizaje automático y, en el futuro, se convertirá en una herramienta de fenotipado profundo de pacientes integrable en el diagnóstico diferencial.
