A doença de Parkinson é um distúrbio neurológico degenerativo do sistema nervoso central. É uma enfermidade crônica e progressiva, que causa o aumento gradual de tremores, lentidão dos movimentos, entre outros sintomas. De acordo com dados da Organização Mundial da Saúde (OMS), 1% da população global tem a patologia. Como todas as doenças, a descoberta precoce do Parkinson, doença que não tem cura, pode ser um fator primordial para os tratamentos existentes. Pensando nessa situação, o pesquisador baiano de Remanso, Bruno Fonseca, da Universidade Federal do Vale do São Francisco (Univasf), com a de Ana Beatriz Rodrigues, Carolline Angela, Giovanni Guimarães, Ivani Brys e Rodrigo Pereirana equipe, desenvolveu uma pesquisa sobre o diagnóstico precoce de Parkinson por inteligência artificial.

O estudo utilizou uma base de dados pública que contém sinais de eletroencefalograma de indivíduos com a Doença de Parkinson (DP) e de indivíduos sem a enfermidade. “Nesses sinais, foram utilizadas ferramentas matemáticas, nesse caso, Hjorth features, para extrair biomarcadores da doença que, em conjunto com técnicas de inteligência artificial (IA), permitiram realizar a identificação automática dos pacientes”, explica Bruno Fonseca.

Segundo Bruno, o estudo gerou resultado promissor para o descobrimento precoce da patologia. “Foi possível alcançar uma acurácia acima de 89% na identificação dos indivíduos portadores da DP. Também foi possível inferir que os lóbulos parietal, frontal, central e occipital foram as regiões do cérebro mais significativas para distinguir os pacientes dos indivíduos de controle, ou seja, pessoas sem Parkinson. O trabalho desenvolvido traz a novidade do uso da Hjorth features como biomarcadores da doença, que, até onde sabemos, ainda não havia sido explorado no meio científico”.

Para Bruno, mestre em ciências da saúde e biológicas, “Isso é algo importante, uma vez que esse tipo de sintoma se apresenta quando a doença já se encontra num estágio avançado. No momento, o grupo de pesquisa busca novas técnicas que possam obter uma melhora no sistema proposto, utilizando novas ferramentas matemáticas e novos modelos de IA para extrair características dos sinais”.