24 de outubro de 2022 @ 12:14 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 ( e ). 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.