Detección de patrones anormales asociados a la enfermedad del Parkinson en secuencias de movimiento ocular usando redes generativas adversarias

Abstract

Las alteraciones oculomotoras constituyen un biomarcador prometedor para la detección ycaracterización de la enfermedad del Parkinson (EP), incluso en etapas prodrómicas. Sin embargo, actualmentesolo las trayectorias globales y simplificadas de movimiento ocular, obtenidas de dispositivos de rastreo, sonusadas para aproximar la compleja cinemática de la función oculomotora. Además, la adquisición de tales señalesrequiere de calibración sofisticada y ajustes intrusivos. La cuantificación de patrones oculares en secuencias devideo ha sido una alternativa para complementar este análisis, involucrando además herramientas de aprendizajede máquina para clasificaciones de patrones patológicos. Estos enfoques, sin embargo, se basan principalmenteen modelos discriminatorios que requieren condiciones estrictas en cuanto al número y balance de los datosde entrenamiento. Este trabajo construye un novedoso descriptor de video para la cuantificación de patronesparkinsonianos, durante tareas de fijación ocular. El descriptor fue desarrollado en un marco de detección de anomalías, donde se asume únicamente la disponibilidad de muestras de una clase de interés. Por lo tanto, el enfoque presentado se enfoca solo en la representación modal del Parkinson, considerando todas las otras clases demuestra como una anomalía de la distribución, y logrando así su clasificación. Este enfoque fue evaluado en totalun total de 13 pacientes control y 13 pacientes Parkinson. En la tarea de clasificación, el biomarcador digital propuesto alcanzó una sensibilidad y sensitividad de 0.965 y 0.685, respectivamente. Una prueba estadística muestra diferencias significantes (p <0.05) entre las clases “predichas, codificadas por el descriptor propuesto, evidenciando una discriminación entre pacientes Parkinson y control.