Grupo da Unesp testou técnicas de aprendizado de máquina para avaliar parâmetros como comprimento, velocidade e largura dos passos. Além de tornar o diagnóstico clínico mais preciso, método permite determinar o estágio de evolução da doença (foto: acervo dos pesquisadores)
Cientistas do Laboratório de Pesquisa do Movimento Humano (Movi-Lab), sediado no campus de
Bauru da Universidade Estadual Paulista (Unesp), usaram inteligência artificial
para ajudar no diagnóstico e na identificação do estágio da doença de
Parkinson.
Pesquisa publicada na revista Gait & Posture mostrou
que algoritmos de aprendizado de máquina (machine learning ou
ML, na sigla em inglês) podem auxiliar na identificação dos casos da doença por
meio da análise de parâmetros espaço-temporais do andar da pessoa.
Quatro
características da marcha se mostraram significativas para o diagnóstico –
comprimento, velocidade, largura e consistência da largura do passo (chamada de
variabilidade). Já na detecção do estágio da doença, a variabilidade da largura
do passo e o tempo em que a pessoa ficou com os dois pés no chão (apoio duplo) foram
os dois fatores que mais se destacaram.
“Nosso estudo traz uma inovação se comparado à literatura científica:
usamos uma base de dados maior para fazer o diagnóstico. Escolhemos a marcha
como parâmetro por acreditar que o andar é um dos fatores mais comprometidos em
pacientes com a doença de Parkinson e não envolve sintomas fisiológicos”,
explica Fabio Augusto Barbieri,
coautor do artigo e professor do Departamento de Educação Física da Faculdade
de Ciências da Unesp.
A pesquisa recebeu apoio da FAPESP por meio de três projetos (14/20549-0, 17/19516-8 e 20/01250-4).
Dela participaram 63 pacientes do Ativa Parkinson, um programa
multidisciplinar e sistematizado de atividade física para pessoas com a 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
alimentaram o banco usado no processo de aprendizado de máquina.
A partir
das informações das pessoas saudáveis, os cientistas montaram a chamada linha
de base, assinalando os parâmetros esperados do desempenho do andar para a
faixa etária analisada. Foram medidos 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 ambos os pés no chão, a variabilidade do
andar e a assimetria entre os passos.
O grupo
usou os dados para criar os dois modelos diferentes para o aprendizado da
máquina – o de diagnóstico da doença e o de identificação do estágio em que ela
estava nos pacientes. Nessa etapa, os pesquisadores contaram com a participação
de colegas da Faculdade de Engenharia da Universidade do Porto (Portugal).
Foram analisados cinco algoritmos – 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 de doença de Parkinson.
Para a identificação do estágio da doença, os algoritmos NB e RF
apresentaram os maiores acertos. “Normalmente, as avaliações clínicas trazem
uma precisão em torno de 80%. Se conseguirmos combinar a clínica com a
inteligência artificial, será possível reduzir bastante a chance de erro no
diagnóstico”, afirma Barbieri à Agência FAPESP.
Próximos
desafios
A doença
de Parkinson provoca degeneração das células situadas em uma das regiões do
cérebro responsáveis pela produção de dopamina, substância que conduz as
correntes nervosas (neurotransmissores) ao corpo. A falta ou diminuição da
dopamina afeta os movimentos, gerando sintomas como tremores, lentidão, rigidez
muscular e desequilíbrio, além de alterações na fala e na escrita.
O
diagnóstico atualmente é feito com base na história clínica do paciente e em
exame neurológico, sem um teste 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 no futuro com o diagnóstico clínico, mas um dos pontos
a evoluir será no custo. “Avançamos na ferramenta e contribuímos com um banco
de dados maior. Mas usamos equipamentos de alto custo, difíceis de encontrar em
clínicas”, diz Penedo.
O
equipamento usado na pesquisa está avaliado em cerca de US$ 100 mil. “Para
analisar o andar é possível usar técnicas mais baratas com auxílio de
cronômetro ou bases em que a pessoa pisa, mas os resultados não são precisos”,
completa Penedo.
Agora os
pesquisadores acreditam que a técnica empregada neste trabalho possa ajudar a
buscar novas compreensões sobre os mecanismos da doença e a identificar padrões
de caminhada.
Nesse sentido, um artigo publicado em 2021, com a participação de
Barbieri, já havia mensurado em pacientes com Parkinson a sinergia do comprimento
do passo durante a travessia de obstáculos e concluído que é 53% menor do que
em pessoas saudáveis da mesma idade e peso. A sinergia é a capacidade do
sistema locomotor de adaptar o movimento, combinando fatores como velocidade e
posicionamento do pé, quando é preciso cruzar um obstáculo, como subir a guia
da calçada (leia mais em: agencia.fapesp.br/36083/).
Outro estudo,
também publicado na Gait & Posture,
mostrou que pacientes com doença de Parkinson têm menor capacidade de adaptação
da postura e comprometimento dos componentes de divagação e tremor em
comparação a indivíduos neurologicamente saudáveis. O resultado fornece
novos insights para explicar a oscilação maior, mais
rápida e mais variável nos pacientes.
O artigo Machine learning models for Parkinson’s
disease detection and stage classification based on spatial-temporal gait
parameters pode ser lido em: www.sciencedirect.com/science/article/abs/pii/S0966636222004799.
Agência
FAPESP
https://agencia.fapesp.br/inteligencia-artificial-e-usada-para-identificar-alteracoes-na-marcha-e-diagnosticar-doenca-de-parkinson/39864/
Nenhum comentário:
Postar um comentário