Esta estancia de investigación pretende contribuir en el avance del conocimiento sobre las enfermedades neurodegenerativas asociadas a síntomas motores y su transferencia a la clínica mediante la utilización de técnicas de Machine Learning (ML).

Organización Mundial de la Salud (OMS) afirma que a nivel mundial, la discapacidad y las defunciones debidas a la enfermedad de Parkinson están aumentando más rápidamente que las de cualquier otro trastorno neurológico. La prevalencia de la enfermedad de Parkinson se ha duplicado en los últimos 25 años.

Uno de los principales problemas del Parkinson es conocer cómo afectará la enfermedad a los afectados de la misma y en qué medida puede ralentizar el avance de esta enfermedad. Por ello, el objetivo principal de esta investigación es contribuir al desarrollo de técnicas de ML para identificar la cuándo se produce un cambio en el comportamiento de la enfermedad de Parkinson y obtener más conocimiento sobre este cambio, el cual se define como concept drift.

Concept drift, en este caso, consiste en cambios en la enfermedad de Parkinson en cualquiera de sus aspectos. Algunos aspectos que podrían provocar cambios podrían ser variaciones en la distribución de los datos de los pacientes o cambios en el criterio de diagnóstico de la enfermedad.

Con el fin de desarrollar estas técnicas de ML capaces de encontrar cuándo se produce un concept drift del Parkinson, se utilizarán datos de naturaleza multimodal y longitudinal. Es multimodal porque contiene datos clínicos, de transcriptómica, genómicos y de proteómica de varios miles de individuos estructurados en cuatro cohortes diferentes. Y es longitudinal porque tanto casos como controles realizan visitas periódicas al clínico en donde se les vuelven a tomar muestras de sangre y a evaluarles de la progresión de la enfermedad.

Este estudio será posible gracias al grupo receptor de la estancia en el Ryten Laboratory en London, UK. Donde el candidato, Antonio Guillén, contará con la supervisión de la Dra. Mina Ryten, que han trabajado con el conjunto de datos de pacientes de Parkinson y que aportarán a Antonio el conocimiento requerido para realizar los experimentos necesarios para identificar un concept drift sobre los datos de la enfermedad de Parkinson.

Además, la parte de desarrollar las técnicas de ML para identificar el concept drift es coordinada por el director de tesis, el Dr. Juan A. Botía y el codirector de tesis, el Dr. José T. Palma. Estas técnicas se desarrollan usando modelos matemáticos, los cuales se entrenan y validan de acuerdo a los datos disponibles de Parkinson.