Publicado en NEJM AI (junio de 2025, Vol. 2, No. 7)
DOI: 10.1056/AIoa2400950

Por Tariq Adnan, M.Sc.; Md Saiful Islam, M.Sc.; Sangwu Lee, B.Sc.; E.M. Wasifur Rahman Chowdhury, Ph.D.; Sutapa Dey Tithi, B.Sc.; Kazi Noshin, B.Sc.; Md Rayhanul Islam, M.Sc.; Ehsan Hoque, Ph.D., y colaboradores.

🧠 Inteligencia Artificial para Detectar Parkinson a Través de Expresiones Faciales

El diagnóstico temprano de la enfermedad de Parkinson (EP) sigue siendo un reto clínico, especialmente en regiones con acceso limitado a atención neurológica especializada. Un nuevo estudio publicado en NEJM AI presenta un método innovador de detección mediante inteligencia artificial, utilizando simplemente videos de personas sonriendo.

El estudio se basa en el conjunto de datos más grande jamás recopilado sobre expresiones faciales con 1,452 participantes — incluyendo 391 personas con EP (300 con diagnóstico clínico y 91 autodeclarados). A través de grabaciones breves, los autores demostraron que es posible identificar señales sutiles de hipomimia asociadas al Parkinson.

🎥 Metodología: Diagnóstico a Partir de una Sonrisa

Los participantes fueron reclutados en múltiples países, principalmente en Norteamérica y Asia del Sur, a través de redes sociales, centros de bienestar para personas con Parkinson, registros clínicos, y clínicas especializadas.

Cada persona grabó tres expresiones faciales: sonrisa, asco, y sorpresa, ya fuera en casa o en un entorno clínico. A partir de estas grabaciones se extrajeron marcadores faciales y unidades de acción muscular para cuantificar la hipomimia, uno de los síntomas motores más comunes del Parkinson. Esos datos alimentaron modelos de machine learning entrenados para distinguir entre personas con y sin EP.

El modelo fue validado con datos externos provenientes de una clínica en EE.UU. y una población de alto riesgo en Bangladesh.

📊 Resultados Principales

Los modelos entrenados con videos de sonrisas arrojaron métricas sólidas:

• Validación cruzada (10 pliegues):
  • Precisión: 87.9%
  • AUROC: 89.3%
  • Sensibilidad: 76.8%
  • Especificidad: 91.4%
  • Valor predictivo negativo (VPN): 92.7%
• Conjunto de prueba (clínica en EE.UU.):
  • Precisión: 80.3%
  • AUROC: 83.3%
  • Sensibilidad y especificidad equilibradas (~80%)
• Conjunto de prueba (Bangladesh):
  • Precisión: 85.3%
  • AUROC: 81.5%
  • El valor predictivo positivo (VPP) fue más bajo (35.7%), debido a menor prevalencia.
  • Mejor rendimiento en mujeres en esta cohorte específica.

Además, no se observaron sesgos significativos por sexo o grupo étnico, salvo en el conjunto de Bangladesh.

🩺 Implicaciones Clínicas

Este estudio demuestra que una simple sonrisa grabada en video puede ser una herramienta de cribado útil y accesible para la enfermedad de Parkinson. En contextos con recursos limitados, esto abre la puerta a formas más democráticas y escalables de identificar casos sospechosos que merecen derivación especializada.

La herramienta también puede integrarse a plataformas de telemedicina o aplicaciones móviles, facilitando un seguimiento más continuo y menos invasivo.

🧪 Próximos Pasos

Aunque este sistema no reemplaza una evaluación neurológica presencial, sí ofrece un método de cribado preliminar prometedor, especialmente útil para priorizar atención médica o monitorizar síntomas de forma remota. Futuras versiones podrían incluir variables adicionales como análisis de voz o patrones de marcha.

El estudio fue financiado por el Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares (NIH P50NS108676), entre otros — señal clara del interés institucional en herramientas digitales para enfermedades neurodegenerativas.

🔗 Cita Bibliográfica

Adnan T, Islam MS, Lee S, et al. AI-Enabled Parkinson’s Disease Screening Using Smile Videos. NEJM AI. 2025;2(7). doi: 10.1056/AIoa2400950

laleo.com