Herramientas computacionales para el apoyo al diagnóstico de pacientes con Parkinson: una revisión sistemática

Resumen

Las técnicas de inteligencia artificial así como los métodos de aprendizaje automático, se utilizan para automatizar el proceso de reconocimiento preciso de patrones. Dada la necesidad de estudiar y obtener modelos de diagnóstico escalables que apoyen la toma de decisiones de los profesionales médicos en la detección temprana y no invasiva de la enfermedad del Parkinson (EP), esta investigación tiene como objetivo: Identificar las diferentes herramientas computacionales que han sido desarrollados por los investigadores en apoyo al diagnóstico de pacientes con EP. Se realizó una revisión sistemática sobre las herramientas computacionales para el apoyo al diagnóstico de pacientes con EP. Las búsquedas se realizaron en Google escolar, PubMed, Scopus, IEEE, Scielo y Springer. Se hizo una selección de artículos potencialmente relevantes y que estuvieran asociado al tema objeto de estudio. Los conjuntos de datos biomédicos de voz y señales fueron los tipos de datos más utilizados para desarrollar y validar estos modelos. Sin embargo, las imágenes de resonancia magnética y tomografía computarizada también se utilizaron en los estudios incluidos. A partir de este estudio se pudo constatar que la mayoría de las investigaciones están encaminadas al apoyo del diagnóstico de la enfermedad del Parkinson y la clasificación de estadios o subtipos de la EP. Si bien los modelos tienen un gran potencial para mejorar el diagnóstico y tratamiento de la enfermedad de Parkinson, aún se necesitan más estudios y validaciones clínicas para determinar su efectividad y precisión en diferentes contextos clínicos.