Modelo de IA Detecta Parkinson a Partir de Padrões de Respiração

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

A rede neural é capaz de avaliar os padrões de respiração noturna, ou padrões de respiração durante o sono, para determinar se uma pessoa tem Parkinson. Foi treinada pelo estudante de doutorado do MIT Yuzhe Yang e pelo pós-doutorando 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 artigo de pesquisa, que foi publicado na Nature Medicine.

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

Katabi, que é autora sênior, também é afiliada ao Laboratório de Ciência e Inteligência Artificial do MIT e diretora do Centro de Redes Sem Fio e Computação Móvel.

Os pesquisadores vêm investigando consistentemente o potencial de detectar Parkinson com líquido cefalorraquidiano e neuroimagem, mas esses métodos são invasivos e caros. Eles também requerem acesso a centros médicos especializados.

Avaliação de IA Todas as Noites

A equipe de pesquisadores se esforçou para superar esses desafios e demonstrou que a avaliação de 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 assemelha a um roteador Wi-Fi caseiro e emite sinais de rádio, analisa seus reflexos no ambiente circundante e extrai os padrões de respiração da pessoa sem qualquer contato físico. O sinal de respiração é alimentado na rede neural para avaliar o Parkinson, com zero esforço do paciente e do cuidador.

“Uma relação entre Parkinson e respiração foi notada já em 1817, no trabalho do Dr. James Parkinson. Isso nos motivou a considerar o potencial de detectar a doença a partir da 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 de respiração 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 assim o desenvolvimento de novas terapias. Em termos de cuidados clínicos, a abordagem pode ajudar na avaliação de pacientes com Parkinson em comunidades tradicionalmente subatendidas, incluindo aquelas que vivem em áreas rurais e aquelas com dificuldade de sair de casa devido à mobilidade limitada ou deficiência cognitiva”, afirma ela.

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

“Não tivemos avanços terapêuticos neste século, sugerindo que nossas abordagens atuais para avaliar novos tratamentos são subótimas”, diz Dorsey. “Temos muito pouca informação sobre as manifestações da doença em seu ambiente natural e [o dispositivo de Katabi] permite obter avaliações objetivas e do mundo real de como as pessoas estão se saindo em casa. A analogia que gosto de fazer [das avaliações atuais de Parkinson] é uma lâmpada de rua à noite, e o que vemos da lâmpada de rua é um segmento muito pequeno … [o sensor completamente sem contato de Katabi] nos ajuda a iluminar a escuridão.”