Cientistas do Laboratório de Pesquisa do Movimento Humano (Movi-Lab), sediado no campus Bauru da Universidade Estadual Paulista (Unesp), usaram inteligência artificial para ajudar a diagnosticar e identificar o estágio da doença de Parkinson.
Pesquisa publicada na revista Gait & Posture mostrou 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
A pesquisa recebeu apoio da Fapesp por meio de três projetos. Participaram 63 pacientes do Ativa Parkinson, programa multidisciplinar e sistemático de atividade física para portadores da doença desenvolvido na Unesp de Bauru, além de outros 63 indivíduos saudáveis, todos com mais de 50 anos. Os dados foram coletados ao longo de sete anos e inseridos no banco de dados usado no processo de aprendizado de máquina.
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).
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 reduzir significativamente a chance de erros de diagnóstico”, diz Barbieri à Agência FAPESP.
próximos desafios
A doença de Parkinson causa degeneração de células localizadas em uma das regiões do cérebro responsáveis pela produção de dopamina, substância que transporta 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.
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.
Outro estudo, também publicado na Gait & Posture, mostrou que pacientes com doença de Parkinson têm menor capacidade de adaptar sua postura e comprometer os componentes de devaneios 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.
Leave a Reply