Equipe usa câmeras digitais, aprendizado de máquina para prever doenças neurológicas

Crédito: IEEE Journal of Biomedical and Health Informatics (2022). DOI: 10.1109/JBHI.2022.3208077

Em um esforço para agilizar o processo de diagnóstico de pacientes com esclerose múltipla e doença de Parkinson, os pesquisadores usaram câmeras digitais para capturar mudanças na marcha – um sintoma dessas doenças – e desenvolveram um algoritmo de aprendizado de máquina que pode diferenciar aqueles com EM e DP de pessoas sem essas condições neurológicas.

Suas descobertas são relatadas no IEEE Journal of Biomedical and Health Informatics.

O objetivo da pesquisa era tornar o processo de diagnóstico dessas doenças mais acessível, disse Manuel Hernandez, professor de cinesiologia e cinesiologia da Universidade de Illinois Urbana-Champaign. saúde da comunidade que liderou o trabalho com a estudante de pós-graduação Rachneet Kaur e o professor de matemática e engenharia de sistemas industriais e empresariais Richard Sowers.

Atualmente, os pacientes devem esperar – às vezes por anos – para marcar uma consulta com um neurologista para fazer um diagnóstico, disse Hernandez. E as pessoas em comunidades rurais muitas vezes precisam percorrer longas distâncias até uma instalação onde sua condição possa ser avaliada. Ser capaz de coletar informações de marcha usando nada mais do que um câmera digital e ter esses dados avaliados on-line poderia permitir que os médicos fizessem uma triagem rápida que envia a um especialista apenas aqueles considerados prováveis ​​de ter uma condição neurológica.

Para conduzir o estudo, a equipe gravou adultos com e sem esclerose múltipla ou doença de Parkinson enquanto caminhavam em uma esteira, focando as câmeras digitais nos quadris e membros inferiores dos participantes. Aqueles sem o condições neurológicas foram pareados por idade, peso e gênero com participantes com EM e DP. O exercício de caminhada também incluiu ensaios em que os participantes caminharam enquanto recitavam todas as outras letras do alfabeto em sequência. Essa tarefa adicional foi projetada para imitar os desafios do mundo real de caminhar enquanto se envolve em outras tarefas que podem distrair a mente, disse Sowers.

“Este é um estudo novo em que estávamos tentando abordar o fato de que o laboratório é diferente de como as pessoas se comportam na natureza”, disse ele. “Quando você está em casa, está fazendo o que quer que esteja fazendo, mas também está pensando: ‘Fechei a porta da garagem? Desliguei o fogão?’ Portanto, há uma carga cognitiva adicional.”

Os pesquisadores usaram uma ferramenta de código aberto para analisar o vídeo e extrair dados sobre como os participantes se moviam durante os exercícios de caminhada.

“Analisamos as coordenadas do corpo para quadris, joelhos, tornozelos, dedos grandes e pequenos e calcanhares”, disse Kaur, que desenvolveu o método para analisar como essas coordenadas se moviam ao longo do tempo para procurar diferenças entre adultos com e sem EM ou Mal de Parkinson.

Ela testou a precisão de sua abordagem usando mais de uma dúzia de algoritmos tradicionais de aprendizado de máquina e aprendizado profundo. A equipe também testou o método em novos sujeitos do estudo para ver se ele poderia identificar aqueles com esclerose múltipla, aqueles com doença de Parkinson e aqueles sem nenhuma condição.

O estudo revelou que vários dos algoritmos foram mais de 75% precisos na detecção dessas diferenças.

“Este estudo sugere a viabilidade de sistemas baseados em visão baratos para diagnosticar certos distúrbios neurológicos”, escreveram os pesquisadores.

A disponibilização das novas ferramentas ao público provavelmente levará vários anos, disseram os cientistas.