Pesquisa da Univasf 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 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. A Doença de Parkinson é a segunda doença neurodegenerativa mais comum e não existe uma metodologia definitiva para realizar o seu diagnóstico precoce.

 

foto: Pixabay