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 IA ​​do Parkinson pode ser realizada todas as noites em casa. A pessoa pode até estar dormindo sem tocar em seu 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 olhar para os movimentos”, diz Katabi. “Alguns estudos médicos mostraram 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 o desenvolvimento de novas terapias. Em termos de atendimento clínico, a abordagem pode ajudar na avaliação de pacientes com Parkinson em comunidades tradicionalmente carentes, incluindo aqueles que vivem em áreas rurais e aqueles com dificuldade de sair de casa devido à dificuldade de locomoção ou comprometimento cognitivo”, diz ela.

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

“Não tivemos avanços terapêuticos neste século, sugerindo 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 [de 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 de Parkinson] é um poste de luz à noite, e o que vemos do poste de luz é um segmento muito pequeno... O sensor totalmente sem contato [do Katabi] nos ajuda a iluminar a escuridão.”