Explaining the unseen: AI-driven insights from sleep motion for explainable Alzheimer Disease’s Screening
Saved in:
Portaz, M., et al., Explaining the unseen: AI-driven insights from sleep motion for explainable Alzheimer Disease’s Screening. Information Systems Frontiers, 2026, 16 p.
Ref.
609308
Location:
SIIS Archivo
Palabras clave:
Enfermedad de Alzheimer, Sueño, Características, Detección, Prevención, Nuevas tecnologías
Enfermedad de Alzheimer, Sueño, Características, Detección, Prevención, Nuevas tecnologías
Abstract:
El documento estudia la relación entre la enfermedad de Alzheimer, las alteraciones del sueño y los patrones de movimiento nocturno, con el objetivo de valorar si estos datos pueden servir para detectar la enfermedad de forma temprana mediante un sistema de inteligencia artificial capaz de explicar sus decisiones. Para ello, el equipo de investigación analiza datos recogidos con sensores inerciales colocados en la muñeca de 219 mujeres, 118 con Alzheimer y 101 controles sanas. Los resultados muestran una precisión del 82,4 % y una sensibilidad del 88,2 %, lo que sugiere que los trastornos psicomotores nocturnos pueden actuar como biomarcadores digitales no invasivos para el cribado precoz de la enfermedad.<br><br>Además de clasificar a las participantes, el modelo permite identificar qué características del movimiento durante el sueño influyen más en la predicción. El análisis muestra que las señales más relevantes corresponden a movimientos lentos y sostenidos, posiblemente relacionados con alteraciones de la arquitectura del sueño y de la fase REM, mientras que ciertos movimientos de rotación de la muñeca resultan poco discriminativos. El estudio concluye que la combinación de dispositivos portátiles e inteligencia artificial interpretable puede ofrecer herramientas accesibles, fiables y clínicamente comprensibles para detectar el Alzheimer y mejorar el conocimiento sobre la relación entre sueño y neurodegeneración.
El documento estudia la relación entre la enfermedad de Alzheimer, las alteraciones del sueño y los patrones de movimiento nocturno, con el objetivo de valorar si estos datos pueden servir para detectar la enfermedad de forma temprana mediante un sistema de inteligencia artificial capaz de explicar sus decisiones. Para ello, el equipo de investigación analiza datos recogidos con sensores inerciales colocados en la muñeca de 219 mujeres, 118 con Alzheimer y 101 controles sanas. Los resultados muestran una precisión del 82,4 % y una sensibilidad del 88,2 %, lo que sugiere que los trastornos psicomotores nocturnos pueden actuar como biomarcadores digitales no invasivos para el cribado precoz de la enfermedad.<br><br>Además de clasificar a las participantes, el modelo permite identificar qué características del movimiento durante el sueño influyen más en la predicción. El análisis muestra que las señales más relevantes corresponden a movimientos lentos y sostenidos, posiblemente relacionados con alteraciones de la arquitectura del sueño y de la fase REM, mientras que ciertos movimientos de rotación de la muñeca resultan poco discriminativos. El estudio concluye que la combinación de dispositivos portátiles e inteligencia artificial interpretable puede ofrecer herramientas accesibles, fiables y clínicamente comprensibles para detectar el Alzheimer y mejorar el conocimiento sobre la relación entre sueño y neurodegeneración.