Universidad
Politécnica de Madrid

22.06.2026

La enfermedad de Parkinson es un trastorno neurodegenerativo progresivo que afecta al movimiento y a la calidad de vida de millones de personas. Uno de sus síntomas motores principales es la bradicinesia, es decir, el enlentecimiento del movimiento, que puede manifestarse como una reducción progresiva de la amplitud, la velocidad o la fuerza con la que se realiza una acción repetitiva.

Tradicionalmente, la evaluación de estos síntomas se realiza en consulta, mediante escalas clínicas y observación especializada. Aunque este procedimiento sigue siendo esencial, presenta una limitación importante: ofrece una evaluación puntual del estado motor de la persona, el cual puede sufrir variaciones por varios motivos: estado ON-OFF, variables situacionales, etc. Por ello, existe un interés creciente en el desarrollo de herramientas tecnológicas que permitan medir de forma objetiva la evolución motora en situaciones más cercanas a la vida real.

En este contexto, investigadores del Grupo de Investigación en Instrumentación y Acústica Aplicada de la Universidad Politécnica de Madrid han propuesto una nueva aproximación: analizar cómo una persona bate un huevo durante un minuto mientras lleva un reloj inteligente en la muñeca. El reloj registra señales de aceleración y velocidad angular mediante sensores inerciales, y posteriormente estas señales se procesan utilizando técnicas de aprendizaje automático.

La actividad elegida no es casual. Batir un huevo es una tarea cotidiana que requiere movimientos repetitivos de flexo-extensión y rotación de la muñeca, mantener un ritmo relativamente constante y mantener la energía del movimiento durante un periodo de tiempo. Precisamente por ello, muchas personas afectadas identifican actividades de este tipo —cocinar, remover, batir o manipular utensilios— como momentos en los que empezaron a notar que algo no iba bien en sus movimientos, antes incluso de recibir un diagnóstico.

Además, batir un huevo no solo forma parte de actividades de la vida diaria, sino que también se utiliza habitualmente como ejercicio en terapia ocupacional para trabajar la movilidad, la coordinación y la funcionalidad de la mano y la muñeca. Esta doble dimensión —actividad cotidiana y rehabilitación terapéutica— convierte la tarea en una candidata especialmente interesante para estudiar síntomas motores de forma natural, reproducible y cercana a la experiencia real de los pacientes.

“El objetivo no es sustituir la valoración clínica, sino explorar si un conjunto de tareas cotidianas, sencillas y reproducibles pueden aportar información objetiva sobre el estado motor de las personas con párkinson”, explican desde el equipo investigador de la UPM. “La clave es acercar la evaluación al entorno real de la persona afectada, manteniendo al mismo tiempo un protocolo suficientemente controlado para que los datos sean comparables”.

En el estudio participaron 22 personas con enfermedad de Parkinson y 16 personas sanas como grupo control. Las personas con párkinson involucradas en la experimentación pertenecían a la Asociación Parkinson Madrid, entidad que colaboró en el desarrollo del estudio y que trabaja activamente en investigación, sensibilización y mejora de la calidad de vida de las personas afectadas y sus familiares.

Cada participante realizó la tarea durante una semana. En una primera sesión, el ejercicio se llevó a cabo en condiciones supervisadas. Posteriormente, los participantes repitieron la actividad en su domicilio, sin supervisión directa, y regresaron al final del estudio para una última sesión supervisada. Este diseño permitió comparar el rendimiento del sistema tanto en un entorno controlado como en condiciones reales de uso.

Los resultados muestran diferencias claras entre los grupos. Las personas con párkinson presentaron, de forma sistemática, menor amplitud de movimiento, una frecuencia de oscilación más lenta y una disminución progresiva de la energía de la señal a lo largo de la tarea. Estos patrones se alinean con las manifestaciones clínicas de la bradicinesia y fueron observados tanto en los datos del acelerómetro como en los del giroscopio del reloj.

A partir de estas señales, el equipo extrajo características en el dominio temporal y frecuencial, y evaluó distintos modelos de aprendizaje automático. El mejor rendimiento se obtuvo con una máquina de vectores soporte, que alcanzó una precisión del 91,1% en condiciones supervisadas. Cuando el modelo se aplicó a datos obtenidos en el domicilio, la precisión se mantuvo en el 87,8%, con una reducción inferior al 4%.

Este resultado es especialmente relevante porque uno de los principales retos de la inteligencia artificial aplicada a salud digital es que los modelos funcionen fuera del laboratorio o de la consulta. En muchas ocasiones, los sistemas entrenados con datos recogidos en condiciones controladas pierden rendimiento cuando se aplican a datos reales. En este caso, la pequeña disminución de rendimiento sugiere que la propia tarea de batir un huevo contribuye a reducir esa diferencia entre el entorno clínico y el entorno doméstico.

“El estudio demuestra que el diseño de la actividad es tan importante como los algoritmos”, señalan desde el equipo investigador del proyecto. “Una tarea cotidiana, bien definida y fácil de reproducir puede generar señales con suficiente información como para que los modelos de inteligencia artificial extraigan datos útiles incluso cuando la medición se realiza en casa”.

Además de su interés científico, la propuesta tiene implicaciones sociales y clínicas. Una herramienta de este tipo podría facilitar en el futuro el seguimiento longitudinal de síntomas motores, reducir la necesidad de desplazamientos frecuentes para determinadas evaluaciones y aportar información complementaria al profesional sanitario sobre la evolución del paciente en su entorno habitual. También podría ayudar a conectar la evaluación tecnológica con tareas que las personas con párkinson reconocen como significativas en su vida diaria, lo que favorece una investigación más comprensible, aceptable y centrada en el paciente.

No obstante, los autores subrayan que se trata de una línea de investigación en desarrollo y que serán necesarios estudios con cohortes más amplias y diversas antes de considerar su aplicación clínica generalizada.

El trabajo se ha publicado en el número especial “Advances in Biomedical Engineering and Artificial Intelligence for Neurological Health” de la revista Technologies. La investigación ha sido financiada por el proyecto “Biomarcadores digitales para la evaluación del estado motor de pacientes con Enfermedad de Parkinson para su aplicación clínica y terapéutica” (BIOCLITE), PID2021-123708OB-I00, financiado por MCIN/AEI/10.13039/501100011033/FEDER, UE.

La colaboración entre ingeniería, inteligencia artificial, asociaciones de pacientes y profesionales del ámbito sociosanitario resulta fundamental para avanzar hacia tecnologías más útiles, comprensibles y centradas en las personas. Este estudio muestra cómo un gesto tan cotidiano como batir un huevo —una actividad en la que algunas personas detectan los primeros cambios motores y que también se emplea en terapia ocupacional— puede convertirse, gracias a los sensores vestibles y al aprendizaje automático, en una fuente de información objetiva sobre la función motora en párkinson.

Referencia del artículo:
Polvorinos-Fernández, C., Sigcha, L., Valero, M. M., Grande, M., de Arcas, G., & Pavón, I. (2026). Machine Learning Assessment of Parkinson’s Disease Using a Novel Free-Living Egg-Beating Motor Task. Technologies, 14(6), 345. https://doi.org/10.3390/technologies14060345