Estamos aqui para impulsionar a transformação no mercado da saúde

Inteligência artificial é usada para identificar alterações na marcha e diagnosticar doença de Parkinson

Escrito por Letícia Nani

janeiro 16, 2023

Luciana Constantino | Agência FAPESP – 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 (14/20549-017/19516-8 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.

 

Via: Agência Fapesp

Acesse o site da epharma

Artigos em comum

Conhecendo a protagonista em inovação na saúde Carolina Soihet Cohen

Conhecendo a protagonista em inovação na saúde Carolina Soihet Cohen

Carolina Soihet Cohen é uma renomada especialista em Comunicação de Causas e uma das líderes do movimento global pela saúde e igualdade de acesso a tratamentos médicos. Como cofundadora da Colabore com o Futuro, ela está à frente na defesa dos direitos à saúde e na...

Conheça o Protagonista da Saúde: Alex Sanghikian

Conheça o Protagonista da Saúde: Alex Sanghikian

Na busca por entender o futuro da saúde, é crucial conhecer os visionários que estão moldando esse cenário. Entre esses líderes está Alex Sanghikian, atual gerente da área de Digital & Inovação da Sandoz no Brasil. Com mais de 15 anos de experiência na vanguarda...

Acompanhe +O2labs

+o2Labs Respire boas ideias

Sobre +O2labs

Uma plataforma própria com uma metodologia vencedora voltada exclusivamente para inovação na prática com 3 programas distintos:

  • Central de Ideias: campanhas de intraempreendedorismo para fomentar a cultura de inovação com os epharmers, nossos colaboradores.
  • epharma Disrupt: desenvolver os melhores MPVs através de squads multifuncionais e alianças estratégicas para cocriação entre experts.
  • epharma Connect: foco em inovação aberta com staturps que queiram fazer parte de nossos desafios de forma colaborativa, e conectar com outros labs para criar parcerias diversificadas e escalar MVPs.

Junte-se a nós neste mesmo objetivo! Respire boas ideias.