AGÊNCIA FAPESP – Cientistas do Laboratório de Pesquisa do Movimento Humano (Movi-Lab), sediado no campus de Bauru da Universidade Estadual Paulista (Unesp)usou inteligência artificial para ajudar a diagnosticar e identificar o estágio de Mal de Parkinson.
Pesquisa publicada na revista Marcha e Postura mostraram que algoritmos de aprendizado de máquina (machine learning ou ML) podem ajudar a identificar casos da doença por meio da análise de parâmetros espaço-temporais da marcha da pessoa.
Quatro características da marcha foram consideradas diagnosticamente significativas – comprimento do passo, velocidade, largura e consistência da largura do passo (chamada variabilidade). Na detecção do estágio da doença, a variabilidade da largura do passo e o tempo em que a pessoa estava com os dois pés no chão (duplo apoio) foram os dois fatores que mais se destacaram.
“Nosso estudo traz uma inovação em relação à literatura científica: utilizamos um banco de dados maior para fazer o diagnóstico. Escolhemos a marcha como parâmetro porque acreditamos que a caminhada é um dos fatores mais comprometidos em pacientes com doença de Parkinson e não envolve sintomas fisiológicos”, explica Fabio Augusto Barbieri, coautor do artigo e professor do Departamento de Educação Física na Faculdade de Ciências da Universidade de São Paulo. Unesp
Com base em informações de pessoas saudáveis, os cientistas montaram a chamada linha de base, indicando os parâmetros esperados de desempenho da marcha para a faixa etária analisada. Foram mensurados a largura, comprimento, duração, velocidade e cadência dos passos de cada indivíduo, além de informações como o tempo em que cada um ficou com um pé no chão e os dois pés no chão, a variabilidade da marcha e a assimetria entre os degraus. .
O grupo usou os dados para criar os dois modelos diferentes de aprendizado de máquina – um para diagnosticar a doença e outro para identificar o estágio em que ela estava nos pacientes. Nesta fase, os investigadores contaram com a participação de colegas da Faculdade de Engenharia da Universidade do Porto (Portugal).
Continua após a publicidade
Cinco algoritmos foram analisados – Naïve Baise (NB), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF) e Logistic Regression (LR). O algoritmo NB alcançou uma precisão de 84,6% no diagnóstico da doença de Parkinson.
Para a identificação do estágio da doença, os algoritmos NB e RF apresentaram os maiores acertos. “Geralmente, as avaliações clínicas trazem uma precisão em torno de 80%. Se conseguirmos aliar a clínica à inteligência artificial, será possível diminuir bastante a chance de erro no diagnóstico”, diz Barbieri à Agência Fapesp.
:quality(80):focal(-5x-5:5x5)/cloudfront-us-east-1.images.arcpublishing.com/estadao/EA4MLSG6V5OUFEJ7AR2E4BMXI4.jpg?w=678&ssl=1)
A doença de Parkinson causa degeneração de células localizadas em uma das regiões do cérebro responsáveis por produzir dopamina, substância que conduz correntes nervosas (neurotransmissores) para o corpo. A falta ou diminuição da dopamina afeta os movimentos, gerando sintomas como tremores, lentidão, rigidez e desequilíbrio muscular, além de alterações na fala e na escrita.
Atualmente, o diagnóstico é feito com base na história clínica e no exame neurológico do paciente, sem exame específico. Não há dados precisos de casos, mas estima-se que entre 3% e 4% da população acima de 65 anos tenha doença de Parkinson.
O doutorando Tiago Penedo, aluno de Barbieri e coautor do trabalho, destaca que a pesquisa pode contribuir futuramente com o diagnóstico clínico, mas um dos pontos a evoluir será no custo. “Avançamos na ferramenta e contribuímos para um banco de dados maior. Mas usamos equipamentos caros, difíceis de encontrar em clínicas”, diz Penedo.
Continua após a publicidade
O equipamento utilizado na pesquisa está avaliado em cerca de US$ 100 mil. “Para analisar a marcha, é possível utilizar técnicas mais baratas com o auxílio de um cronômetro ou bases nas quais a pessoa pisa, mas os resultados não são precisos”, completa Penedo.
Agora os pesquisadores acreditam que a técnica utilizada neste trabalho pode ajudar a buscar novos entendimentos sobre os mecanismos da doença e identificar padrões de caminhada.
Nesse sentido, um artigo publicado em 2021, com a participação de Barbieri, já havia medido a sinergia do comprimento do passo em pacientes com Parkinson durante a travessia de obstáculos e concluiu que é 53% menor do que em pessoas saudáveis da mesma idade e peso. . Sinergia é a capacidade do aparelho locomotor de adaptar o movimento, combinando fatores como velocidade e posicionamento do pé, quando é necessário cruzar um obstáculo, como subir o meio-fio (leia mais em: agencia.fapesp.br/36083/).
Outro estudo, também publicado em Marcha e Postura, mostraram que pacientes com doença de Parkinson apresentam menor capacidade de adaptação à postura e comprometimento dos componentes divagações e tremores em comparação com indivíduos neurologicamente saudáveis. O resultado fornece novos insights para explicar a oscilação maior, mais rápida e mais variável nos pacientes.
O artigo Modelos de aprendizado de máquina para detecção da doença de Parkinson e classificação do estágio com base em parâmetros espaço-temporais da marcha pode ser lido em: www.sciencedirect.com/science/article/abs/pii/S0966636222004799.
Leave a Reply