Inteligência artificial ajuda a detectar alterações na marcha e diagnosticar a doença de Parkinson

Resumo gráfico. Crédito: Marcha e Postura (2022). DOI: 10.1016/j.gaitpost.2022.08.014

Cientistas vinculados ao Laboratório de Movimento Humano do Departamento de Educação Física (Movi-Lab) da Universidade Estadual Paulista (Unesp) em Bauru, Brasil, estão usando inteligência artificial para ajudar a diagnosticar a doença de Parkinson e estimar sua progressão.

Um artigo publicado na revista Marcha e Postura relata os resultados de um estudo no qual algoritmos de aprendizado de máquina identificaram casos da doença por meio da análise de parâmetros espaciais e temporais da marcha.

Os pesquisadores descobriram que quatro características da marcha são as mais significativas para o diagnóstico de Parkinson: comprimento do passo, velocidade, largura e consistência (ou variabilidade da largura). Para avaliar a gravidade da doença, os fatores mais significativos foram a variabilidade da largura do passo e o tempo de apoio duplo (durante o qual ambos os pés estão em contato com o solo).

“Nosso estudo inovou em comparação com o Literatura científica usando um banco de dados maior do que o normal para fins de diagnóstico. Escolhemos os parâmetros da marcha como critérios-chave porque os distúrbios da marcha aparecem precocemente no Parkinson e pioram com o tempo, e também porque não se correlacionam com parâmetros fisiológicos como idade, altura e peso”, Fabio Augusto Barbieri, coautor do artigo, disse à Agência FAPESP Barbieri é professor do Departamento de Educação Física da Faculdade de Ciências (FC) da Unesp.

A amostra do estudo foi composta por 63 participantes do Ativa Parkinson, programa multidisciplinar de atividade física sistematizada para parkinsonianos realizado na FC-UNESP, e 63 controles saudáveis. Todos os voluntários tinham mais de 50 anos. Os dados foram coletados e alimentados no repositório usado nos processos de aprendizado de máquina por sete anos.

Uma avaliação inicial foi produzida analisando os parâmetros da marcha para os controles saudáveis ​​e comparando-os com os níveis esperados para essa faixa etária. Isso envolveu o uso de uma câmera especial de captura de movimento para medir os passos de cada pessoa quanto ao comprimento, largura, duração, velocidade, cadência e tempo de suporte único e duplo, bem como a variabilidade e assimetria do passo.

Os pesquisadores usaram os dados para criar dois modelos diferentes de aprendizado de máquina – um para diagnosticar a doença e outro para estimar sua gravidade no paciente avaliado. Cientistas da Escola de Engenharia da Universidade do Porto, em Portugal, colaboraram nesta parte do estudo.

Eles analisaram os dados por meio de seis algoritmos: Naïve Bayes (NB), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), Logistic Regression (LR) e Multilayer Perceptron (MLP). NB obteve 84,6% de acurácia diagnóstica, enquanto NB e RF tiveram melhor desempenho na avaliação da gravidade.

“A precisão típica para avaliações clínicas é de cerca de 80%. Poderíamos reduzir significativamente a probabilidade de erro diagnóstico combinando avaliação clínica com inteligência artificial“, disse Barbieri.

Próximos desafios

A doença de Parkinson é, pelo menos em parte, devida à degeneração das células nervosas nas áreas do cérebro que controlam o movimento, como resultado da produção deficiente de dopamina. A dopamina é o neurotransmissor que transmite sinais para os membros. Níveis baixos de dopamina prejudicam o movimento, produzindo sintomas como tremores, marcha lenta, rigidez e falta de equilíbrio, além de alterações na fala e na escrita.

Atualmente, o diagnóstico é baseado na história clínica do paciente e no exame neurológico, sem exames específicos. Informações precisas não estão disponíveis, mas estima-se que 3% a 4% da população com mais de 65 anos tenha Parkinson.

De acordo com outro co-autor, Ph.D. candidato Tiago Penedo, cuja pesquisa é supervisionada por Barbieri, os resultados do estudo serão úteis para melhorar a avaliação diagnóstica no futuro, mas o custo pode ser um fator inibidor. “Avançamos na ferramenta e contribuímos para a ampliação do banco de dados, mas utilizamos equipamentos caros e difíceis de encontrar em clínicas e consultórios”, disse.

O equipamento utilizado no estudo custa cerca de US$ 100 mil. “É possível analisar a marcha com técnicas mais baratas, usando cronômetro, plataforma de força e assim por diante, mas os resultados não são precisos”, disse Penedo.

As técnicas utilizadas no estudo podem contribuir para uma melhor compreensão dos mecanismos subjacentes à doença, especialmente maneira de andar padrões, acreditam os pesquisadores.

Um estudo anterior, relatado em um artigo publicado em 2021, com Barbieri como último autor, evidenciou sinergia de comprimento de passo 53% menor ao cruzar obstáculos em pacientes com Parkinson do que em indivíduos saudáveis ​​da mesma idade e peso. A sinergia refere-se, neste caso, à capacidade do sistema locomotor (ou musculoesquelético) de adaptar o movimento, combinando fatores como velocidade e posição do pé, ao sair de um meio-fio, por exemplo.

Outro estudo, também publicado na Marcha e Postura, mostraram que os pacientes com Parkinson eram menos capazes de manter o controle postural e a estabilidade trêmula do que seus pares neurologicamente saudáveis. Os autores disseram que as descobertas forneceram novos insights para explicar a oscilação maior, mais rápida e mais variável observada em pacientes com Parkinson.