Predicción de la enfermedad de Parkinson mediante análisis acústico

Abstract

La enfermedad de Parkinson es un trastorno neurodegenerativo progresivo que afecta principalmente al movimiento. Se caracteriza por síntomas como temblores, rigidez, bradicinesia (lentitud en los movimientos) y alteraciones posturales. Además de los síntomas motores, los pacientes pueden experimentar problemas en la voz y el habla, lo cual se puede utilizar como un marcador acústico para el diagnóstico de la enfermedad. El análisis de estas características acústicas puede proporcionar información valiosa para la detección temprana de la enfermedad. En este estudio, se desarrolló un modelo predictivo para el diagnóstico de la enfermedad de Parkinson utilizando diversos marcadores acústicos. Los datos fueron obtenidos del proyecto mPower [4], que recopila grabaciones de voz mediante una aplicación móvil. Después del preprocesamiento de los datos, se aplicaron técnicas de selección de variables para reducir su dimensión, como el Análisis de Componentes Principales (PCA), el análisis de correlaciones y LASSO. Finalmente, se utilizó el método de SVM para construir el modelo predictivo. Los resultados mostraron que, aunque el modelo con todas las variables originales obtuvo mejores resultados en términos de precisión y sensibilidad, la selección de variables redujo significativamente la complejidad del modelo, aunque sacrificando en gran medida su rendimiento. Este enfoque demuestra la poca viabilidad de utilizar grabaciones de voz obtenidas en entornos no profesionales para la detección de la enfermedad de Parkinson.