IA é capaz de diagnosticar Parkinson por meio do caminhar do paciente

Cientistas do Laboratório de Pesquisa do Movimento Humano (Movi-Lab), com sede na unidade de Bauru/SP da Unesp, utilizaram IA (inteligência artificial) para ajuda no diagnóstico e identificação do estágio do Mal de Parkinson em voluntários.

A pesquisa foi publicada na revista Gait & Posture e mostra que algoritmos de machine learning podem ajudar na identificação via análise de parâmetros espaço-temporais no caminhar do analisado.

São quatro as características importantes para o diagnóstico: comprimento, velocidade, largura e consistência da largura do passo, chamada de variabilidade. 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 de destaque.

"Nosso estudo traz inovação se comparado à literatura científica: usamos 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 Parkinson e não envolve sintomas fisiológicos", explicou Fabio Augusto Barbieri, coautor do artigo e professor do Departamento de Educação Física da Faculdade de Ciências da Unesp.

Participaram do estudo 63 pacientes do Ativa Parkinson – projeto multidisciplinar de atividades físicas voltados aos diagnosticados -, além de outras 63 pessoas saudáveis, todas com mais de 50 anos. Os dados foram coletados ao longo de sete anos e alimentaram o banco usado no processo de machine learning

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 precisão em torno de 80%. Se conseguirmos combinar a clínica com a inteligência artificial, será possível reduzir bastante a chance de erro no diagnóstico", afirmou Barbieri à Agência FAPESP.

Com informações de UOL