Um estudo científico revelou que a utilização de inteligência artificial (IA) pode contribuir para ajuda no diagnóstico e identificação do estágio do Mal de Parkinson em voluntários.
++ Bebê recém-nascido levanta a cabeça e começa a engatinhar com apenas 3 dias
De acordo com cientistas do Laboratório de Pesquisa do Movimento Humano (Movi-Lab), com sede na unidade de Bauru, em São Paulo, da Unesp, a pesquisa apontou que algoritmos de machine learning podem ajudar na identificação via análise de parâmetros espaço-temporais no caminhar do analisado.
Cerca de quatro características fazem parte do diagnóstico: comprimento, velocidade, largura e consistência da largura do passo, nomeada 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.
Cerca de 63 pacientes com Ativa Parkinson – projeto multidisciplinar de atividades físicas voltados aos diagnosticados -, foram participantes do estudo, além de outras 63 pessoas saudáveis, ambas com mais de 50 anos. Os dados foram coletados ao longo de sete anos e alimentaram o banco usado no processo de machine learning.
++ Pesquisador brasileiro descobre um manuscrito inédito sobre a vida de Jesus Cristo
Foram avaliados cerca de 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.
