Cientistas do Laboratório de Pesquisa do Movimento Humano (Movi-Lab), com sede na unidade de Bauru/SP da Unesp, utilizaram IA (inteligĂȘncia artificial) para ajuda no diagnóstico e identificação do estĂĄgio do Mal de Parkinson em voluntĂĄrios.
A pesquisa foi publicada na revista Gait & Posture e mostra que algoritmos de machine learning podem ajudar na identificação via anĂĄlise de parâmetros espaço-temporais no caminhar do analisado.
São quatro as caracterĂsticas importantes para o diagnóstico: comprimento, velocidade, largura e consistĂȘncia da largura do passo, chamada de variabilidade. Na detecção do estĂĄgio 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 cientĂfica: 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 FĂsica da Faculdade de CiĂȘncias da Unesp.
Participaram do estudo 63 pacientes do Ativa Parkinson – projeto multidisciplinar de atividades fĂsicas voltados aos diagnosticados -, além de outras 63 pessoas saudĂĄveis, 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 saudĂĄveis, os cientistas montaram a chamada linha de base, assinalando os parâmetros esperados do desempenho do andar para a faixa etĂĄria analisada. Foram medidos largura, comprimento, duração, velocidade e cadĂȘncia dos passos de cada indivĂduo, 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 mĂĄquina – o de diagnóstico da doença e o de identificação do estĂĄgio 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: NaĂŻve 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 estĂĄgio da doença, os algoritmos NB e RF apresentaram os maiores acertos.
"Normalmente, as avaliações clĂnicas trazem precisão em torno de 80%. Se conseguirmos combinar a clĂnica com a inteligĂȘncia artificial, serĂĄ possĂvel reduzir bastante a chance de erro no diagnóstico", afirmou Barbieri à AgĂȘncia FAPESP.
Com informações de UOL
Fonte: Olhar Digital