Inteligencia artificial y párkinson: así está cambiando la terapia

La enfermedad de Parkinson es el trastorno del movimiento neurodegenerativo más frecuente. Según datos globales de 2019, más de 8,5 millones de personas en todo el mundo vivían con párkinson, casi el doble que 25 años antes; el consorcio del proyecto europeo AI-PROGNOSIS estima que esa cifra podría volver a duplicarse hacia 2040. Durante años, la inteligencia artificial en el párkinson se ha asociado sobre todo al diagnóstico: algoritmos que analizan resonancias magnéticas o vídeos para detectar la enfermedad antes y con más precisión. Pero ese papel está cambiando. Cada vez hay más estudios en los que la IA no solo ayuda a detectar el párkinson, sino a decidir y ajustar la terapia misma: cuánta estimulación aplicar, qué dosis de medicación probar o cómo se está respondiendo a un tratamiento.

Antes de entrar en los ejemplos, conviene aclarar dos términos que aparecen constantemente. El aprendizaje automático (machine learning) permite que un algoritmo reconozca patrones en datos —una señal cerebral, un vídeo, un cuestionario— sin que un programador le indique paso a paso qué buscar. El aprendizaje profundo (deep learning), un subtipo más complejo basado en redes neuronales artificiales, va un paso más allá: es capaz de detectar patrones que ni siquiera el ojo entrenado de un especialista identificaría a simple vista. Ambas técnicas, agrupadas bajo el paraguas de la inteligencia artificial (IA), son las que están detrás de los tres ejemplos que siguen.

 

Estimulación cerebral que un algoritmo ajusta en tiempo real

La estimulación cerebral profunda (DBS) lleva décadas ayudando a controlar el temblor, la rigidez y la lentitud de movimientos propios de este trastorno del movimiento, mediante electrodos implantados que envían pulsos eléctricos constantes a determinadas zonas del cerebro. El problema de esa versión clásica es que el estímulo es siempre el mismo, sin adaptarse a que la actividad cerebral de una persona cambia a lo largo del día.

La estimulación cerebral profunda adaptativa (aDBS) resuelve parte de ese problema: un algoritmo que lee la señal eléctrica del cerebro en tiempo real y ajusta la estimulación en consecuencia, de forma parecida a como un marcapasos cardíaco responde al ritmo del corazón. Así lo explica la neuróloga Helen Bronte-Stewart, de Stanford, cuya investigación llevó al desarrollo de la tecnología aprobada por la agencia estadounidense del medicamento (FDA) a comienzos de 2025.

Un estudio publicado en 2026 por un equipo del Instituto Neuro-X de la Escuela Politécnica Federal de Lausana (EPFL) lleva esa lógica un paso más allá. En lugar de limitarse a corregir el ritmo eléctrico general, el algoritmo decodifica —a partir de la señal neuronal, con técnicas cercanas al aprendizaje profundo— qué actividad concreta está haciendo la persona: caminar, girar, estar de pie. Con esa información ajusta la estimulación específicamente para mejorar la marcha, sin perder eficacia sobre el temblor y la rigidez, dentro de un ensayo clínico registrado.

 

Apps de inteligencia artificial que ayudan a afinar el tratamiento

Ya hablamos en detalle de cómo la inteligencia artificial está entrando en el párkinson en este artículo. Aquí nos interesa un uso muy concreto: la IA como apoyo para decidir y ajustar el tratamiento, no solo para detectarlo.

Ese es el objetivo de AI-PROGNOSIS, un proyecto de investigación e innovación europeo, en el que participan 18 socios de la Unión Europea y el Reino Unido —entre ellos la Unidad de Trastornos del Movimiento del Hospital Ruber Internacional de Madrid— durante cuatro años y a través de tres estudios clínicos multicéntricos.

El proyecto está desarrollando tres herramientas apoyadas en un smartphone y un reloj inteligente: una para que personas con sospecha de párkinson sigan la evolución de su riesgo; otra para que quienes ya viven con la enfermedad registren sus síntomas y la respuesta a la medicación; y una tercera, dirigida a los profesionales sanitarios, para ayudarles a optimizar el régimen de tratamiento a partir de esos datos, en lugar de basarse solo en lo que el paciente recuerda de las últimas semanas.

 

Modelos que personalizan el seguimiento de los síntomas motores

Un tercer frente, todavía en fase de investigación, son los modelos de aprendizaje automático presentados en el Congreso Internacional de Párkinson y Trastornos del Movimiento de 2023. Uno de ellos combinó un acelerómetro con una red de clasificación para medir el temblor durante tareas repetitivas —como el golpeteo de los dedos—, con una precisión de entre el 92% y el 97% al distinguir temblor leve de temblor intenso, en una muestra piloto de 20 pacientes con párkinson y 8 controles sanos. Otro grupo entrenó un modelo con vídeos para distinguir tics de otros movimientos involuntarios, y alcanzó un 83% de aciertos al aplicarlo sobre un conjunto de prueba de 50 pacientes y 50 controles.

Ninguno de estos modelos sustituye la evaluación clínica, pero apuntan hacia el mismo lugar: cuantificar de forma objetiva y continua cómo evoluciona un síntoma, para poder ajustar antes y con más precisión la terapia de cada paciente, en lugar de esperar a la siguiente consulta.

 

Lo que esto significa hoy

La inteligencia artificial está pasando de apoyar el diagnóstico a intervenir directamente en la terapia: ajustando un dispositivo implantado, sugiriendo un cambio de dosis o alertando de que un síntoma está empeorando. Ninguna de estas herramientas sustituye al neurólogo o al equipo de rehabilitación; son apoyos con distinto grado de madurez, desde una tecnología ya aprobada y disponible —la estimulación adaptativa— hasta proyectos todavía en fase de investigación o de estudio piloto, como AI-PROGNOSIS o los modelos de clasificación de síntomas.

 

¿La estimulación cerebral adaptativa está disponible en España?

La FDA la aprobó en Estados Unidos a comienzos de 2025 para personas con párkinson que ya tienen un dispositivo de estimulación cerebral compatible. En Europa, su disponibilidad depende del centro y del modelo de dispositivo implantado, por lo que conviene preguntar directamente al equipo de neurología o neurocirugía que hace el seguimiento.

 

¿La inteligencia artificial sustituye al neurólogo?

No. En todos los ejemplos anteriores, la IA propone o ajusta un parámetro concreto —una dosis, un nivel de estimulación, una alerta— pero la decisión final y el seguimiento siguen dependiendo del equipo médico.

 

¿Qué diferencia hay entre inteligencia artificial, aprendizaje automático y aprendizaje profundo?

La inteligencia artificial es el concepto más amplio: cualquier sistema capaz de realizar tareas que normalmente requerirían razonamiento humano. El aprendizaje automático es una forma concreta de lograrlo, entrenando algoritmos con datos en lugar de programarlos con reglas fijas. El aprendizaje profundo es, a su vez, un tipo de aprendizaje automático basado en redes neuronales con muchas capas, especialmente útil para reconocer patrones complejos, como los que aparecen en una señal cerebral o en una imagen médica.

Para quien vive con párkinson o cuida de alguien que lo tiene, la recomendación sigue siendo la misma de siempre: preguntar al equipo médico qué tecnologías están disponibles en su centro y si tienen sentido en su caso concreto.

 

ÚNETE A LA COMUNIDAD