Ni médicos ni pruebas complejas: el gesto al batir un huevo que podría revelar señales de Parkinson

• Ángel Pérez
• Soy Ángel Pérez y estoy recién titulado en Periodismo por la Universidad Europea de Madrid y con un máster de Periodismo Deportivo en la Universidad Villanueva.
• • 25/06/2026 12:49
  • Actualizado: 25/06/2026 12:49

Conocer la evolución del Parkinson no es fácil. Las consultas médicas pueden ofrecer información médica clave, pero se pueden ver influidas por factores del día a día. Por eso, un equipo del Grupo de Investigación en Instrumentación y Acústica Aplicada de la Universidad Politécnica de Madrid ha estudiado otra forma de observar los síntomas motores en un entorno más cercano a la vida real.

El experimento consistió en analizar cómo una persona bate un huevo durante un minuto. Para ello, contaron con 22 pacientes de Parkinson y miembros de la Asociación Parkinson Madrid, y 16 personas sanas que estuvieron como grupo de control. Durante la prueba, llevaban un reloj inteligente con el que registraban datos de aceleración y velocidad angular a través de sensores inerciales.

Cada persona repitió la tarea durante una semana. Primero lo hicieron supervisados; después en casa y sin supervisión directa y, al final del estudio, volvieron a realizar en una última sesión, esta vez controlada. La elección de esta tarea no fue casual. Hacer esto conlleva movimientos de flexión, extensión, rotación de la muñeca, además de conservar energía y mantener un ritmo constante, y es una actividad reconocible por todos.

Resultados de la investigación

Los resultados reflejaron diferencias claras entre los dos grupos. Las personas con Parkinson presentaron una menor amplitud de movimiento, una disminución progresiva de la energía de la señal durante la tarea y una frecuencia de oscilación más lenta. Estos patrones coinciden con otro tipo de manifestaciones motoras como la bradicinesia (enlentecimiento del movimiento), uno de los principales síntomas de esta enfermedad.

A partir de eso, se evaluaron distintos modelos de aprendizaje automático. El mejor resultado se obtuvo con una máquina de vectores de soporte, que alcanzó una precisión del 91,1% en condiciones supervisadas. Cuando se aplicaron los datos recogidos en el domicilio, la precisión bajó a un 87,8%. De todas maneras, los investigadores recuerdan que se trata de una línea de investigación en desarrollo. Para su aplicación clínica generalizada, harán falta estudios más amplios y diversos.