ParkinGuide es un producto de salud digital diseñado para transformar la información que se genera entre consultas neurológicas en una visión longitudinal, contextual y explicable de la evolución funcional de una persona.

El sistema combina registros semanales, variables motoras, cognitivas, emocionales y sociales, evaluaciones mediante mini-juegos, visualización de tendencias y una arquitectura de IA explicable para reducir la pérdida de información que habitualmente se produce entre visitas médicas.

No parte de una pregunta genérica como “¿cómo se compara este paciente con otros?”, sino de otra mucho más personalizada:

¿Cómo está evolucionando esta persona respecto a su propia trayectoria?

Qué es

ParkinGuide es un MVP desarrollado con Python y Django que explora un modelo de seguimiento longitudinal para la enfermedad de Parkinson.

La plataforma estructura información cotidiana y funcional para construir una narrativa temporal que pueda ayudar a pacientes, cuidadores y profesionales sanitarios a comprender mejor qué ha ocurrido entre una consulta y la siguiente.

Su arquitectura combina dos capas complementarias:

• Inteligencia contextual explicable, basada en reglas transparentes y auditables.
• Machine Learning experimental, orientado a identificar patrones de riesgo funcional sobre datos longitudinales sintéticos.

Qué problema resuelve

• Pérdida de información relevante entre consultas neurológicas.
• Dificultad para reconstruir la evolución real de síntomas, hábitos y capacidad funcional.
• Registros aislados que muestran una fotografía, pero no toda la trayectoria.
• Falta de contexto para relacionar movilidad, sueño, estado emocional, actividad o rendimiento cognitivo.
• Dificultad para integrar la percepción del paciente y la observación del cuidador en una misma visión longitudinal.

Diferencial

El principio central de ParkinGuide es la interpretación baseline-relative: comprender la evolución de cada persona respecto a su propio historial y contexto.

Un mismo dato puede significar estabilidad para una persona y un cambio importante para otra.

El objetivo no es reducir la evolución individual a una media poblacional, sino preservar la historia personal y hacer visibles sus cambios a lo largo del tiempo.

Enfoque del sistema

Paciente → registros semanales → contexto longitudinal → análisis explicable → predicción funcional experimental → visualización → informe estructurado

La plataforma incorpora además mini-juegos cognitivo-motores para observar de forma repetida aspectos como memoria, velocidad de reacción, coordinación, fluidez verbal y función ejecutiva.

Objetivo

• Reducir la pérdida de información entre consultas.
• Facilitar una visión longitudinal de la evolución funcional.
• Transformar datos cotidianos en información estructurada y comprensible.
• Mejorar la calidad de las conversaciones entre paciente, cuidador y profesional sanitario.
• Explorar una arquitectura tecnológica reutilizable en otras condiciones crónicas, neurodegenerativas y escenarios de envejecimiento saludable.

Tecnologías

Python · Django · Pandas · NumPy · Scikit-learn · Random Forest · Explainable AI · Chart.js · Bootstrap · ReportLab · SQLite / PostgreSQL-ready

⚠️ Importante

ParkinGuide es un prototipo de investigación y desarrollo y no es una herramienta diagnóstica.

No recomienda tratamientos, no modifica medicación y no sustituye la valoración de profesionales sanitarios.

El modelo de Machine Learning actual se ha desarrollado y evaluado sobre datos longitudinales sintéticos, por lo que sus resultados representan una validación técnica experimental y no rendimiento clínico real.

La IA se utiliza como capa de apoyo para estructurar, contextualizar y hacer más comprensible la evolución longitudinal.