Un equipo de la Universidad de California, Los ángeles, (UCLA) ha desarrollado un bolígrafo con tinta magnética y tecnología de inteligencia artificial (IA), capaz de diagnosticar la enfermedad de Parkinson a partir de la escritura. El dispositivo podría dar con el mal de manera anticipada y precisa en grandes poblaciones y en entornos con recursos limitados.

Los resultados del estudio se publicaron el martes en la revista internacional Nature Chemical Engineering.

El bolígrafo utiliza el análisis de datos asistido por redes neuronales para identificar las diferencias en la escritura entre los pacientes de Parkinson y las personas sanas, lo que ofrece la posibilidad de un diagnóstico precoz.

El aparato convierte los movimientos de la mano en se?ales eléctricas que luego examina en frecuencia y amplitud, luego los científicos pueden determinar si el temblor es producto del Parkinson, ya que sus patrones difieren de los de otras afecciones, explicó el martes Chen Jun, profesor de la UCLA y líder del equipo.

El Parkinson afecta a casi 10 millones de personas en el mundo, lo que la convierte en el segundo trastorno neurodegenerativo más común después del Alzheimer y el que más rápido avanza a nivel mundial. En los países de ingresos bajos y medios, es probable que el número de casos no esté bien representado debido a la escasez de profesionales capacitados para su detección.

Según Chen, el costo del bolígrafo es de solo 35 yuanes (5 dólares) porque está fabricado con materiales comunes y baratos. Su producción puede fácilmente aumentar, lo que reduce su precio.

Los síntomas de la enfermedad incluyen temblores, y su dictamen médico suele basarse en la observación de las habilidades motoras. Sin embargo, este método carece de criterios objetivos y a menudo parte del juicio clínico de los médicos.

El mecanismo se basa en el efecto magnetoelástico de su punta y en el comportamiento dinámico de la tinta ferrofluida. Asimismo, registra con precisión las se?ales de la escritura y, gracias a un análisis asistido por una red neuronal convolucional unidimensional, distingue a los pacientes con una exactitud media del 96,22 %.

Los investigadores manifestaron que el siguiente paso se centrará en incrementar la escala de muestra de pacientes y en explorar la capacidad del dispositivo para seguir la evolución de la enfermedad a futuro.