¿Puede un pedaleo de 30 segundos revelar el Parkinson temprano? Así es el estudio con IA

En pocas palabras: Un equipo de la Facultad de Medicina de la Universidad de Corea se hizo una pregunta audaz: ¿puede un paseo corto en una bicicleta de interior revelar la enfermedad de Parkinson en su etapa temprana? Pidieron a 29 personas con Parkinson, en su mayoría leve, y a 36 adultos mayores sanos que pedalearan en su propia bicicleta sobre Ultiracer, una plataforma de ciclismo indoor orientable, en tres tandas de 30 segundos, mientras unos sensores en el manillar (manubrio) y la tija del sillín registraban cada empuje, inclinación y balanceo. Un modelo de inteligencia artificial (IA) de aprendizaje profundo, entrenado con esos datos, distinguió a los dos grupos con un 86,1 % de precisión, sin ningún sensor colocado en el cuerpo y sin calibración. La señal más reveladora fue el balanceo lateral de la bicicleta (Kim et al., 2025). Es una investigación temprana y no una prueba diagnóstica, pero apunta a un futuro en el que el mismo pedaleo que entrena tu equilibrio también ayude a vigilarlo.

¿Por qué es tan difícil la detección temprana del Parkinson?

La enfermedad de Parkinson (o párkinson) afecta a más de 9,4 millones de personas en el mundo y es una de las principales causas de discapacidad (Kang et al., 2025). Todavía no tiene cura, pero la rehabilitación y la medicación pueden aliviar los síntomas, por eso la detección temprana y el seguimiento continuo son tan valiosos.

El problema es que los síntomas tempranos del Parkinson pasan desapercibidos con facilidad. El diagnóstico sigue dependiendo sobre todo de la historia clínica y de una exploración neurológica en consultas programadas, y los autores señalan que se han descrito tasas de error de entre el 15 % y el 24 % en el diagnóstico temprano. Las pruebas de imagen cerebral como el DaT-SPECT o el PET/TC con FP-CIT son mucho más fiables, pero son caras y no están disponibles en todas partes (Kim et al., 2025). Por eso los investigadores han probado la IA con resonancias magnéticas, electroencefalogramas (EEG), escritura a mano, grabaciones de voz y datos de la marcha. Cada enfoque tiene sus inconvenientes: los escáneres son costosos, el EEG requiere un especialista y gel para los electrodos, y muchos métodos necesitan sensores sujetos al cuerpo.

La pista de la bicicleta

Aquí entra en juego la bicicleta. En 2010, unos neurólogos de los Países Bajos grabaron a un hombre con Parkinson avanzado cuya marcha se bloqueaba tras unos pocos pasos, pero que montaba en bicicleta con soltura (Snijders & Bloem, 2010). Los investigadores creen que los pedales que giran funcionan como una señal rítmica y que pedalear evita el desplazamiento lateral del peso que hace falta para iniciar cada paso (Snijders et al., 2011).

El equipo de la Universidad de Corea le dio la vuelta a esa idea. Si pedalear usa el control del movimiento de una forma tan particular, ¿podrían los pequeños detalles de cómo pedalea alguien llevar la huella del Parkinson? Para averiguarlo necesitaban una bicicleta que hiciera algo más que girar en el sitio.

Qué hicieron los investigadores

Los participantes pedalearon en su propia bicicleta montada sobre Ultiracer, desarrollado por RealDesignTech. A diferencia de una bicicleta estática (o bicicleta fija), Ultiracer deja que la bici se mueva: las ruedas se apoyan en rodillos que giran libremente y un poste bajo el cuadro se desliza de lado a lado cuando el ciclista gira el manillar, como al pedalear al aire libre, a la vez que mantiene la bici erguida para que nadie se caiga.

El sistema registró cuatro tipos de datos:

• Fuerzas en el manillar: un sensor de fuerza de seis ejes en la dirección medía cómo empujaban y giraban el manillar.
• Fuerzas en el sillín: un segundo sensor en la tija captaba cómo desplazaban e inclinaban su peso.
• Posición lateral: un sensor láser seguía cuánto se alejaba la bici del centro.
• Velocidad: un codificador en el rodillo delantero medía la velocidad de pedaleo.

El grupo incluía a 29 personas con Parkinson (confirmado con PET/TC con FP-CIT, la mayoría en etapa inicial, estadios 1 o 2 de la escala de Hoehn y Yahr) y a 36 adultos mayores sanos con edad, estatura, peso y proporción de sexos similares. Tras un breve calentamiento, cada persona hizo tres pedaleos de 30 segundos a su propio ritmo, intentando mantener un marcador centrado en una pantalla con estilo de videojuego.

El equipo dividió cada pedaleo en fragmentos de dos segundos, unas dos pedaladas, y los introdujo en una red neuronal convolucional (CNN) unidimensional, un tipo de modelo de aprendizaje profundo especialmente bueno para encontrar patrones en señales. El modelo también recibía la edad, el sexo, la estatura y el peso de cada persona. En lugar de un simple sí o no, ofrece una probabilidad de que la persona tenga Parkinson.

Qué encontraron

• 86,1 % de precisión por persona. En cinco rondas de validación cruzada, el modelo clasificó correctamente al 86,1 % de los participantes, con un 83,3 % de sensibilidad (personas con Parkinson identificadas correctamente) y un 88,6 % de especificidad (adultos sanos descartados correctamente).
• 80,7 % de precisión por fragmento de dos segundos. Incluso un solo fragmento de dos segundos de pedaleo contenía una señal útil.
• Todos los sensores importaban. Quitar cualquiera de los datos de entrada redujo la precisión entre un 13 % y un 28 %.
• El balanceo fue el protagonista. Eliminar los datos de posición lateral provocó la mayor caída, de alrededor de un 22 % por persona.
• La CNN superó a diseños de IA más recientes. Funcionó mejor que los modelos LSTM y Transformer con los mismos datos.

Estos resultados están en el mismo rango que muchos métodos publicados, desde la IA basada en resonancia magnética (88,9 %) hasta el análisis de la marcha con sensores (83,7 %), aunque cada estudio usa pacientes y métodos distintos, así que las cifras no son una carrera directa (Kim et al., 2025). La diferencia está en lo fácil que es esta prueba: sin escáner, sin gel y sin dispositivos que llevar puestos, solo pedalear.

¿Qué puede revelar la forma de pedalear sobre el equilibrio?

¿Por qué el movimiento lateral de la bici dice tanto? Los autores proponen dos ideas. Primero, la posición lateral era la única señal que los participantes veían en pantalla, y se sabe que las personas con Parkinson dependen más de la información visual. Segundo, mantener la bici estable de lado a lado usa un tipo de control postural que ya se ve afectado en el Parkinson temprano. En conjunto, sugieren que ese balanceo podría reflejar cambios sutiles en el control motor antes de que aparezcan síntomas evidentes (Kim et al., 2025). Coincide con lo que encontró un estudio complementario que analizó cómo mantienen el equilibrio las personas con Parkinson en la misma plataforma (Kang et al., 2025).

Qué podría significar para clínicas, centros de bienestar y familias

El estudio fue pequeño, la mayoría de los participantes tenía Parkinson leve y el modelo aún debe probarse en grupos nuevos, así que es un primer paso prometedor y no una herramienta de cribado terminada. Si te preocupan algunos síntomas, consulta con un neurólogo. Aun así, la dirección es emocionante:

• Una evaluación que se siente como ejercicio. Un pedaleo de 30 segundos intimida mucho menos que un escáner y puede hacerse en un gimnasio, una sala de rehabilitación o un centro de mayores.
• Una probabilidad, no solo una etiqueta. Una puntuación que se puede seguir en el tiempo resulta más útil para el seguimiento que un sí o no puntual.
• Entrenar y medir a la vez. El ciclismo tiene beneficios bien documentados para las personas con Parkinson, como una mejor función motora, equilibrio y marcha (Tiihonen et al., 2021). Los autores ven la misma plataforma ofreciendo rehabilitación y midiendo el progreso al mismo tiempo.

Este es el primero de tres estudios que analizamos en esta serie. La próxima semana: lo que la misma plataforma reveló sobre cómo mantienen el equilibrio en la bici las personas con Parkinson.

Compruébalo por ti mismo

Ultiracer lleva a interiores la inclinación, el balanceo y la dirección de un pedaleo real, protege a quien pedalea de las caídas y mide el equilibrio y la coordinación sobre la marcha. En una investigación realizada por el Healing Care Empirical Support Team con diez personas mayores, los participantes valoraron la estabilidad de Ultiracer durante el ejercicio con un 4,6 sobre 5 (Healing Care Empirical Support Team, 2023). Lo llamamos Neurocycling. Si diriges un hospital, una clínica de rehabilitación, un laboratorio de investigación, un centro de bienestar o una residencia y quieres explorar lo que Ultiracer podría aportar a tus pacientes o usuarios, escríbenos para organizar una demostración o hablar de colaboraciones de investigación.

Referencias

• Healing Care Empirical Support Team. (2023). Demonstration of senior exercise capacity and function improvement using the balance training cycling system (Final report, Validation Test Support A-7). Gyeonggi Business & Science Accelerator; Industry-Academia Cooperation Office, Kyung Hee University.
• Kang, S., Park, J.-W., Kim, Y., Moon, J., Lee, Y., Lee, C.-N., Kim, J., Kim, S.-J., & Kim, B.-J. (2025). Biomechanical analysis of patients with mild Parkinson's disease during indoor cycling training. Journal of NeuroEngineering and Rehabilitation, 22, 127. https://doi.org/10.1186/s12984-025-01657-1
• Kim, Y., Kim, J., Kang, S., Lee, Y., Moon, J., Park, J.-W., Kim, B.-J., & Kim, S.-J. (2025). Convolutional neural networks-based early Parkinson's disease classification using cycling data from a steerable indoor bicycle. Scientific Reports, 15, 43253. https://doi.org/10.1038/s41598-025-27193-5
• Snijders, A. H., & Bloem, B. R. (2010). Cycling for freezing of gait. New England Journal of Medicine, 362, e46. https://doi.org/10.1056/NEJMicm0810287
• Snijders, A. H., Toni, I., Ružička, E., & Bloem, B. R. (2011). Bicycling breaks the ice for freezers of gait. Movement Disorders, 26(3), 367-371. https://doi.org/10.1002/mds.23530
• Tiihonen, M., Westner, B. U., Butz, M., & Dalal, S. S. (2021). Parkinson's disease patients benefit from bicycling: A systematic review and meta-analysis. npj Parkinson's Disease, 7, 86. https://doi.org/10.1038/s41531-021-00222-6