Abstract
El Parkinson es, junto con el Alzheimer, la enfermedad neurodegenerativa más frecuente y solo en España afecta a más de 120.000 personas, diagnosticándose 10.000 nuevos casos cada año, según la Sociedad Española de Neurología para la Fundación del Cerebro. Hoy en día no existe una manera cien por cien efectiva de diagnosticar que un paciente padece enfermedad de Parkinson (EP) o también llamado "Mal de Parkinson", no obstante, el análisis de síntomas como el temblor en reposo o la rigidez muscular, el historial clínico y ciertas pruebas médicas pueden llevar a un diagnóstico más o menos acertado del mismo. El análisis que se ha llevado a cabo a lo largo de este Trabajo Final de Máster está enfocado en la detección de tendencias significativas o características relevantes que podrían ayudar en la diagnosis de la enfermedad. Aunque es muy complicado lograr encontrar ciertos patrones o parámetros que permitan identificar que un paciente está enfermo, cada vez son más los estudios e investigaciones que se realizan en esta línea, los cuales no pretenden sustituir la evaluación médica del especialista, sino complementar al estudio clínico. El proyecto que se presenta en esta memoria está basado en el reto “The Parkinson’s Disease Digital Biomarker DREAM Challenge”, en el que, a partir del procesado de datos de medidas procedentes de sensores, principalmente datos de aceleración, de personas con y sin enfermedad de Parkinson, se pretende obtener diferentes tendencias o características para analizar, evaluar y finalmente, construir un modelo predictivo o sistema de clasificación utilizando algoritmos estándar de Aprendizaje Automático que permita discriminar entre enfermos de Parkinson o personas carentes de ello. Abstract: Parkinson’s disease is the most frequent neurodegenerative disease together with Alzheimer’s disease. It affects more than 120.000 people in Spain and there are about 10.000 new patients diagnosed each year, according to the Spanish Society of Neurology and “Fundación del Cerebro”. Nowadays, there is not a hundred percent effective method to diagnose a patient with Parkinson’s disease (PD), nevertheless, the symptoms analysis such as resting tremor or muscle stiffness, clinical history and certain medical tests may lead to a reasonable diagnosis. The study carried out throughout this Masters’ Thesis is focused on the detection of significant trends and relevant characteristics which could help in the diagnosis of the disease. Although it is difficult to find certain patterns of parameters which allow us to identify that a patient is affected by this disease, more and more researches and studies are being carried out along this field of knowledge, which they do not intend to replace the medical evaluation by the medical specialist, but to complement the clinical study. The exposed project is based on “The Parkinson’s Disease Digital Biomarker DREAM Challenge” challenge, where by from the processing of measurement data collected by sensors (mainly acceleration data) of people with and without Parkinson’s disease. The aim is to obtain different patterns or characteristics to analyse, evaluate and finally build a predictive model for classification, or classification system based on standard algorithms of Machine Learning in order to discriminate between Parkinson’s patients or people who don’t suffer this disease.
