Implementación de un sistema de monitoreo basado en un sensor inercial para la evaluación cuantitativa del temblor de mano en pacientes con la enfermedad de Parkinson

Abstract

La enfermedad de Parkinson constituye una condición neurodegenerativa cuya clínica incluye diversas alteraciones motoras, y en la que el temblor de manos representa uno de los hallazgos más recurrentes. El diagnóstico clínico se basa en la escala MDSUPDRS, cuya aplicación depende de la valoración subjetiva del neurólogo y limita su alcance en poblaciones con escaso acceso a especialistas. En este contexto, la presente tesis implementa un sistema de monitoreo basado en un sensor inercial MPU-6050, diseñado para cuantificar de manera objetiva el temblor en reposo, postural y durante el golpeteo de dedos. El dispositivo fue desarrollado con criterios de ergonomía, ligereza y bajo costo, empleando una estructura mecánica fabricada en 3D y un microcontrolador Arduino UNO R3 para la adquisición de datos. La metodología incluyó la participación de 11 voluntarios (5 con diagnóstico de Parkinson y 6 controles), registrándose 77 señales en fases ON y OFF de medicación con levodopa. Los datos fueron procesados en MATLAB mediante métricas de energía, frecuencia y variabilidad, y se correlacionaron con los puntajes clínicos de la escala MDS-UPDRS. Los resultados muestran asociaciones significativas entre las métricas derivadas de las señales inerciales y las calificaciones clínicas, especialmente en las tareas de golpeteo de dedos, temblor postural y temblor en reposo, evidenciando la capacidad del sistema para reflejar de forma cuantitativa la severidad de los síntomas. Además, se identificaron diferencias notorias entre las fases OFF y ON de la medicación, confirmando el efecto de la levodopa sobre la reducción del temblor. En conclusión, el sistema propuesto demuestra ser una herramienta viable y accesible para complementar la evaluación clínica del temblor en reposo. Su capacidad para obtener mediciones cuantitativas y reproducibles sugiere un aporte significativo para fortalecer el proceso diagnóstico y el seguimiento de la enfermedad de Parkinson. Es recomendable optimizar los componentes electrónicos, aumentar la cantidad de sujetos analizados y probar modelos de aprendizaje automático para obtener un diagnóstico más preciso.