Cientistas da Skoltech e A.I. Burnazyan Federal Medical and Biophysical Center projetaram e desenvolveram um sistema de segunda opinião baseado na análise de vídeo assistida por inteligência artificial, que pode ajudar os profissionais médicos a avaliar objetivamente os pacientes com doença de Parkinson (DP), mesmo em um estágio inicial. Essa abordagem pode evitar o diagnóstico incorreto da doença, distinguindo entre seus estágios, ajustando a terapia e recomendando pacientes diagnosticados para cirurgia de estimulação cerebral profunda. O artigo foi publicado no IEEE Sensors Journal .
O professor assistente Andrey Somov e seus colegas construíram um sistema chamado de segunda opinião que usa algoritmos de aprendizado de máquina para analisar gravações de vídeo de pacientes realizando tarefas motoras específicas. Em um pequeno estudo piloto, este sistema mostrou um nível muito alto de desempenho na detecção de casos potenciais de doença de Parkinson e em distingui-los do tremor essencial.
O sistema utiliza gravações de vídeo, tornando o processo diagnóstico rápido, discreto e confortável para os pacientes. A equipe elaborou um conjunto de 15 exercícios comuns, como caminhar, sentar-se na cadeira, levantar-se, dobrar uma toalha, encher um copo de água e tocar o nariz com o dedo indicador. Esses eram movimentos gerais e mais sutis, nenhum movimento (para avaliar o tremor em repouso) e algumas atividades que os médicos usam para avaliar o tremor.
“Os exercícios foram elaborados sob a supervisão de neurologistas e vieram de várias fontes diferentes, incluindo escalas que são usadas para monitorar a doença de Parkinson e pesquisas anteriores feitas nesta área. Cada exercício tinha um sintoma-alvo que poderia revelar”, Ekaterina Kovalenko, Skoltech Ph.D. aluno e co-autor do artigo, explicou.
No estudo piloto, 83 pacientes com ou sem doenças neurodegenerativas foram registrados realizando essas tarefas. Os vídeos foram então processados usando um software que coloca pontos-chave no corpo humano correspondentes às articulações e outras partes do corpo, criando modelos simplificados de movimentos. Esses foram analisados usando técnicas de aprendizado de máquina.
A equipe afirma que o uso de vídeo e aprendizado de máquina introduz um certo grau de objetividade no processo de diagnóstico, permitindo que pesquisadores e médicos detectem características muito específicas da doença e de seus estágios que não são visíveis a olho nu.
“Nossos resultados preliminares mostram potencial para melhorar o diagnóstico com a ajuda da análise de vídeo. Nosso objetivo é fornecer uma segunda opinião para médicos e clínicos, não os substituir. Um método baseado em vídeo talvez seja o mais conveniente para os pacientes, pois é o mais versátil e não invasivo quando comparado a vários sensores e testes “, escrevem os autores em seu artigo.
“Os métodos de aprendizado de máquina e visão computacional que usamos nesta pesquisa, já estão bem estabelecidos em uma série de aplicações médicas; eles são confiáveis, e os exercícios de diagnóstico para a doença de Parkinson estão sendo desenvolvidos por neurologistas há algum tempo. O que é realmente novo sobre este estudo é a nossa classificação quantitativa desses exercícios de acordo com sua contribuição para um diagnóstico final preciso e específico. Isso só poderia ser alcançado em colaboração entre médicos, matemáticos e engenheiros “, disse Dmitry Dylov, professor associado da Skoltech e co-autor do estudo.
Fonte: Ekaterina Kovalenko et al. Distinguishing Between Parkinson’s Disease and Essential Tremor Through Video Analytics Using Machine Learning: a Pilot Study, IEEE Sensors Journal (2020). DOI: 10.1109/JSEN.2020.3035240
Rubens De Fraga Júnior é professor da disciplina de gerontologia da Faculdade Evangélica Mackenzie do Paraná. Médico especialista em geriatria e gerontologia
