octubre 2021 Archive

Marisol Gómez y Alicia Martínez, profesoras del Departamento de Estadística, Informática y Matemáticas e investigadoras del Instituto de INAMAT2 – Institute for Advanced Materials and Mathematics de la Universidad Pública de Navarra

Tiempo de lectura estimado: 4 minutos

en el caso del Parkinson, la distancia del paso y la fuerza que imprimes con el talón al andar, ya se utilizan como predictor

 

¿Cómo te mueves predice cómo está tu cerebro? ¿Lo delata? ¿Qué cuenta de cada persona el modo en el que se mueve? La respuesta es sencilla: más de lo que podamos imaginar. Nos adentramos en el potencial del movimiento para predecir enfermedades e incluso reactivar zonas cerebrales con la ayuda de Marisol Gómez Fernández y Alicia Martínez Ramírez, profesoras en el departamento de Estadística, Informática y Matemáticas de la Universidad Pública de Navarra y fundadoras de Movalsys, empresa de base tecnológica que ha desarrollado un sistema capaz de proporcionar datos objetivos sobre el movimiento de las personas, que ya se utiliza en hospitales, centros de rehabilitación e, incluso, en equipos de deporte de élite.

¿Qué cuenta de nosotros el movimiento?

Marisol Gómez – Es una huella personal reconocible y cuantificable, un marcador que nos identifica, como puede ser el iris.

Alicia Martínez – Un reciente estudio de la Universidad de Manchester demuestra que la manera que una persona tiene de caminar es única y, de hecho, se utiliza como sistema de reconocimiento. Pero, además, el movimiento nos da información de nosotros mismos cuando estamos sanos y de cómo evolucionamos ante una dolencia.

¿Existe una conexión entre el modo en el que nos movemos y nuestro cerebro?

(MG) Sí: el movimiento está relacionado con nuestra capacidad cognitiva. Cuando hay una alteración en la forma en la que nos movemos, en muchas ocasiones, esto se asocia a ciertas patologías. Un ejemplo: si una persona no mueve los brazos al caminar, los neurólogos saben que va a tener alguna alteración relacionada con el Alzheimer o deterioro cognitivo. Por ello es tan relevante evaluar y cuantificar qué disfunciones hay en tu patrón de marcha.

Por tanto, el movimiento ¿predice enfermedades?

(MG) Cuando una persona está sana, la distancia entre pasos y el tiempo que emplea en darlos es similar, anda en línea recta, no se desvía… Sin embargo, si sufre daño cerebral tiende a ladearse o a variar la fuerza que imprime en una pierna o en otra al caminar. Muchas veces, esas anomalías del movimiento surgen antes de la propia manifestación real de la patología, con lo que patrones alterados años antes pueden predecir que puedas padecer esa enfermedad en el futuro.

(AM) Por ejemplo, en el Parkinson, la distancia del paso y la fuerza que imprimes con el talón al andar, ya se utilizan como predictor.

(MG) Incluso ahora se asocia el movimiento a tener más o menos secuelas graves fruto del coronavirus. Investigadores del Centro de Investigación de Leicester han hallado que quien anda más despacio tiene hasta cuatro veces más posibilidades de morir de Covid y más del doble de tener una infección grave.

¿Puede el movimiento incluso predecir tu muerte?  

(MG) Sí. En el MIT se ha hecho un estudio donde se ha sensorizado una casa. Aquellos que tenían una velocidad a 0,8 metros/segundos tenían una gran probabilidad de morir en un año.

Siendo tan importante cuantificar el movimiento, ¿no existe en el mercado una tecnología que lo mida?

(MG) Sí, claro que sí, pero son técnicas invasivas y costosas que no solucionan algunos problemas, porque, ¿cuándo nos preocupamos de ver patrones anormales de movimiento en marcha? Pues cuando se tiene una patología, como puede ser un ictus. Pero cuando alguien sufre un ictus, lo habitual es que una parte de su cuerpo esté paralizada. Colocarle un traje con sensores inerciales o llevarle a un laboratorio de biomecánica, no es posible.

(AM) Los médicos siempre piden a sus pacientes que caminen, pero en general, no disponen de medios para medir las variaciones del movimiento más allá de su propia experiencia o de un simple cronómetro, capaz de medir la velocidad, pero no otros aspectos como la simetría a la hora de caminar, la variabilidad de longitud de paso, las desviaciones respecto a la línea recta, el arrastre de un pie… Se podría decir que, prácticamente, funcionan “a ojo”.

¿Cuál es el gran paso que habéis dado en Movalsys?

(AM) El objetivo era diseñar una herramienta sencilla, ligera, portátil, cómoda de utilizar y que aportara resultados de manera inmediata y fácilmente interpretables. Para lograrlo, hemos desarrollado un sistema innovador en el que, con tan solo un sensor inercial colocado con un cinturón en la base de la espalda -donde se encuentra nuestro centro de masas-, somos capaces de registrar el movimiento de todo el cuerpo. Esa información se transmite a un software, que, tras analizarla empleando métodos matemáticos avanzados, técnicas de machine learning o deep learning, en apenas dos minutos ofrece al profesional médico un informe para que pueda decidir diagnóstico y terapia o tratamiento correspondiente.

Un gran paso para los y las profesionales del ámbito sanitario…

(AM) Y para los pacientes porque, muchas veces, los cambios que se producen en la evolución de una enfermedad son tan pequeños, que los viven como un fracaso. Sin embargo, poder apreciar sus avances es reconfortante y les da ganas de seguir la rehabilitación.

En el ámbito médico, sin duda, medir el movimiento ayuda. Pero también en el deporte de élite…

(MG) Sí. Nuestro sistema se está utilizando ya en equipos de élite de fútbol de primera división, jugadores de balonmano, baloncesto, patinadores…  ¿Cuál es el objetivo? Evitar que se lesionen sus deportistas identificando, por ejemplo, que un deportista hace más fuerza con una pierna que con la otra. Si lo detectan, los fisioterapeutas le pondrán a hacer ejercicio para recuperar fuerza.

De modo que, con Movalsys, ya tenemos la herramienta perfecta para medir el movimiento. ¿Qué nos queda realizar para exprimir al máximo su potencial?

(MG) Lo ideal sería que, al igual que nos hacen un análisis de sangre cada cierto tiempo, nos hicieran en distintas etapas de nuestra vida un test de movimiento. De este modo, no solo lograríamos conocer nuestro patrón de marcha (y saber si en algún momento está alterado), sino que, además, lograríamos tener gran cantidad de datos para ver patrones anormales y asociarlos a otras dolencias. Si estas pruebas pudieran incorporarse a la historia clínica de las personas y se ve que alguien, por ejemplo, a los 45 años ha desarrollado un patrón de marcha anormal y a los 60, sufre Parkinson, podríamos comparar los datos, sacar conclusiones y predecir mejor.

Demos ahora un paso más: además de predecir y confirmar enfermedades, ayudar en la neurorrehabilitación o a la hora de evitar lesiones, ¿puede el movimiento influir en nuestro cerebro?

(MG) Totalmente. Cuando coges un objeto con la mano derecha, sabes que se va a activar una parte concreta del cerebro. El reto es entender cómo funciona el sistema de comunicación entre el cerebro y los músculos para poder influir en uno o en otros.  Ya hay experiencias que persiguen estimular un área cerebral para ayudar a recuperar el movimiento de una parte del cuerpo.

(AM) Y a la inversa: Otro de los retos es, a través del movimiento, recuperar actividad cerebral que se ha perdido, por ejemplo, a raíz de un accidente cardiovascular.

(MG) En ese sentido, por ejemplo, en Francia, cuando alguien tiene un ictus, le vendan el brazo sano y le obligan a manejar el brazo que está mal, porque forzar a tu cabeza a que intente moverlo abre un nuevo circuito neuronal, lo que recupera parte de la movilidad. Es lo que se llama coherencia cortico muscular y, medirla, es el nuevo reto que ahora afrontamos en nuestro grupo de investigación con la ayuda de unos sensores que registran el movimiento de los músculos y electrodos que recogen la actividad cerebral.

NOTA – Movalsys surge de la colaboración entre dos grupos de investigación de la UPNA en el campo de la Ingeniería Biomédica y sus avances han sido publicados en las más destacadas revistas científicas de Fisioterapia, Geriatría, Ingeniería Biomédica o Matemáticas. Esta tecnología tiene aplicación tanto en el ámbito médico (geriatría, rehabilitación, etc.) como en el deportivo (valoración y seguimiento del estado físico de deportistas).

Descubre más sobre este tema escuchando el podcast en Ciencia al punto ¿Cómo te mueves predice cómo está tu cerebro?

Más información:

 Martínez-Ramírez, A., Lecumberri, P., Gómez, M., Rodriguez-Mañas, L., García, F. J., & Izquierdo, M. (2011). Frailty assessment based on wavelet analysis during quiet standing balance test. Journal of biomechanics, 44(12), 2213-2220.

Setuain, I., Lecumberri, P., Ahtiainen, J. P., Mero, A. A., Häkkinen, K., & Izquierdo, M. (2018). Sprint mechanics evaluation using inertial sensor‐based technology: A laboratory validation study. Scandinavian journal of medicine & science in sports, 28(2), 463-472.

Millor, N., Lecumberri, P., Gómez, M., Martínez-Ramírez, A., & Izquierdo, M. (2013). An evaluation of the 30-s chair stand test in older adults: frailty detection based on kinematic parameters from a single inertial unit. Journal of neuroengineering and rehabilitation, 10(1), 1-9.

Martinikorena, I., Martínez-Ramírez, A., Gómez, M., Lecumberri, P., Casas-Herrero, A., Cadore, E. L., … & Izquierdo, M. (2016). Gait variability related to muscle quality and muscle power output in frail nonagenarian older adults. Journal of the American Medical Directors Association, 17(2), 162-167.

Martínez-Ramírez, A., Martinikorena, I., Gómez, M., Lecumberri, P., Millor, N., Rodríguez-Mañas, L., … & Izquierdo, M. (2015). Frailty assessment based on trunk kinematic parameters during walking. Journal of Neuroengineering and rehabilitation, 12(1), 1-10.

Millor, N., Lecumberri, P., Gomez, M., Martinez-Ramirez, A., & Izquierdo, M. (2014). Kinematic parameters to evaluate functional performance of sit-to-stand and stand-to-sit transitions using motion sensor devices: a systematic review. IEEE transactions on neural systems and rehabilitation engineering, 22(5), 926-936.

Martínez-Ramírez, A., Martinikorena, I., Lecumberri, P., Gómez, M., Millor, N., Casas-Herrero, A., … & Izquierdo, M. (2016). Dual task gait performance in frail individuals with and without mild cognitive impairment. Dementia and geriatric cognitive disorders, 42(1-2), 7-16.

Izquierdo Redín, M., Martínez Ramírez, A., Larrión, J. L., Irujo Espinosa, M., & Gómez Fernández, M. (2008). Valoración de la capacidad funcional en el ámbito domiciliario y en la clínica. Nuevas posibilidades de aplicación de la acelerometría para la valoración de la marcha, equilibrio y potencia muscular en personas mayores. Anales del Sistema Sanitario de Navarra, 2008, 31 (2). Págs. 159-170.

Inzitari, M., Calle, A., Esteve, A., Casas, Á., Torrents, N., & Martínez, N. (2017). ¿ Mides la velocidad de la marcha en tu práctica diaria? Una revisión. Revista Española de Geriatría y Gerontología, 52(1), 35-43.

Perumal, S. V., & Sankar, R. (2016, November). Gait monitoring system for patients with Parkinson’s disease using wearable sensors. In 2016 IEEE Healthcare Innovation Point-Of-Care Technologies Conference (HI-POCT) (pp. 21-24). IEEE.

Yates, T., Razieh, C., Zaccardi, F., Rowlands, A. V., Seidu, S., Davies, M. J., & Khunti, K. (2021). Obesity, walking pace and risk of severe COVID-19 and mortality: analysis of UK Biobank. International Journal of Obesity, 45(5), 1155-1159.

Costilla-Reyes, O., Vera-Rodriguez, R., Scully, P., & Ozanyan, K. B. (2018). Analysis of spatio-temporal representations for robust footstep recognition with deep residual neural networks. IEEE transactions on pattern analysis and machine intelligence, 41(2), 285-296.