Modelo de IA detecta Parkinson a partir de padrões respiratórios

Uma equipe de pesquisadores do MIT desenvolveu um modelo de inteligência artificial (IA) que pode detectar o Parkinson a partir da leitura dos padrões respiratórios de uma pessoa. 

A rede neural é capaz de avaliar a respiração noturna de uma pessoa, ou os padrões de respiração durante o sono, para determinar se ela tem ou não Parkinson. Ele foi treinado pelo estudante de doutorado do MIT Yuzhe Yang e pelo pós-doutorado Yuan Tuan, e pode determinar a gravidade da doença de Parkinson de alguém enquanto acompanha sua progressão ao longo do tempo. 

Yang é o primeiro autor do novo trabalho de pesquisa, que foi publicado em Nature Medicine. 

A equipe inteira incluía Dina Katabi, professora de Thuan e Nicole Pham no Departamento de Engenharia Elétrica e Ciência da Computação (EECS) e pesquisadora principal da Clínica Jameel do MIT. 

Katabi, autor sênior, também é afiliado do Laboratório de Ciência da Computação e Inteligência Artificial do MIT e diretor do Centro de Redes Sem Fio e Computação Móvel. 

Os pesquisadores têm investigado consistentemente o potencial de detecção de Parkinson com líquido cefalorraquidiano e neuroimagem, mas esses métodos são invasivos e caros. Eles também exigem acesso a centros médicos especializados. 

Avaliação de IA todas as noites

A equipe de pesquisadores se propôs a superar esses desafios e demonstrou que a avaliação da doença de Parkinson por IA pode ser realizada todas as noites em casa. A pessoa pode até dormir sem tocar no próprio corpo. 

Os pesquisadores desenvolveram um dispositivo que se parece com um roteador Wi-Fi doméstico e emite sinais de rádio, analisa seus reflexos no ambiente ao redor e extrai os padrões de respiração do sujeito sem nenhum contato corporal. O sinal de respiração é alimentado à rede neural para avaliar a doença de Parkinson, com esforço zero do paciente e do cuidador. 

“Uma relação entre Parkinson e respiração foi observada já em 1817, no trabalho do Dr. James Parkinson. Isso nos motivou a considerar o potencial de detectar a doença pela respiração, sem observar os movimentos”, diz Katabi. “Alguns estudos médicos demonstraram que os sintomas respiratórios se manifestam anos antes dos sintomas motores, o que significa que os atributos respiratórios podem ser promissores para a avaliação de risco antes do diagnóstico de Parkinson.”

De acordo com Katabi, o estudo tem implicações importantes para o desenvolvimento de medicamentos e cuidados clínicos. 

Em termos de desenvolvimento de medicamentos, os resultados podem permitir ensaios clínicos com duração significativamente menor e menos participantes, acelerando, em última análise, o desenvolvimento de novas terapias. Em termos de atendimento clínico, a abordagem pode auxiliar na avaliação de pacientes com Parkinson em comunidades tradicionalmente carentes, incluindo aqueles que vivem em áreas rurais e aqueles com dificuldade para sair de casa devido à mobilidade limitada ou comprometimento cognitivo, afirma ela.

Ray Dorsey é professor de neurologia na Universidade de Rochester e coautor do artigo. Ele é especialista em Parkinson e afirma que o estudo é provavelmente um dos maiores estudos do sono já realizados sobre Parkinson. 

“Não tivemos avanços terapêuticos neste século, o que sugere que nossas abordagens atuais para avaliar novos tratamentos são subótimas”, diz Dorsey. “Temos informações muito limitadas sobre as manifestações da doença em seu ambiente natural, e o dispositivo [do Katabi] permite obter avaliações objetivas e reais de como as pessoas estão se saindo em casa. A analogia que gosto de fazer [das avaliações atuais do Parkinson] é um poste de luz à noite, e o que vemos nele é um segmento muito pequeno... O sensor totalmente sem contato [do Katabi] nos ajuda a iluminar a escuridão.”