Avanço! Pesquisa investiga diagnóstico precoce da Doença de Parkinson por inteligência artificial



Buscar biomarcadores em sinais de eletroencefalograma (EEG) que sejam capazes, em conjunto com algoritmos de aprendizado de máquina, de identificar automaticamente e de forma precoce indivíduos portadores da Doença de Parkinson (DP). Esse é o objetivo da pesquisa desenvolvida pelo estudante Bruno Fonseca Oliveira Coelho, que deu origem ao Trabalho de Conclusão de Curso (TCC) em Engenharia Elétrica da Universidade Federal do Vale do São Francisco (Univasf). O estudo foi publicado recentemente na revista Expert Systems with Applications, da Elsevier.


Publicada no artigo “Parkinson’s disease effective biomarkers based on Hjorth features improved by machine learning” (Biomarcadores eficazes da Doença de Parkinson baseados em características de Hjorth melhoradas pelo aprendizado de máquina), a pesquisa foi realizada sob a orientação do professor Rodrigo Ramos, do Colegiado de Engenharia Elétrica (Cenel). No artigo, são abordados processamento de sinais cerebrais; extração de características temporais de sinais; inteligência artificial e experimentos utilizados no estudo da DP.


Bruno Coelho conta que a pesquisa alcançou uma acurácia de 89% na identificação dos pacientes com a doença. “As características de Hjorth já são amplamente utilizadas em estudos de EEG, então, é possível afirmar que são promissoras como biomarcadores para doença de Parkinson”, diz.


Segundo o discente, que atualmente é mestrando do Programa de Pós-Graduação Ciências da Saúde e Biológicas (PPGCSB) da Univasf, a Doença de Parkinson é a segunda doença neurodegenerativa mais comum e não existe uma metodologia definitiva para realizar o seu diagnóstico precoce. Coelho explica que o diagnóstico em geral é feito apenas quando o paciente já apresenta sintomas motores.


“Nesse estágio, mais da metade dos neurônios dopaminérgicos já foram afetados. Como não existe um método definitivo para o diagnóstico precoce da doença, trabalhos que explorem o uso de biomarcadores não invasivos contribuem para o desenvolvimento de uma metodologia de detecção precoce e eficiente”, ressalta.


Com informações da Ascom/Univasf.