# A análise de fala e marcha com aprendizado de máquina pode auxiliar na detecção precoce de demência?

> Sim. A revisão sistemática identificou que métodos de aprendizado de máquina aplicados à fala e à marcha mostram potencial para predição precoce de demência, com destaque para máquina de vetores de suporte e aprendizado profundo. Abordagens multimodais e a combinação de parâmetros de fala melhoram o desempenho, e a automação da análise da fala é promissora.

Estudo citado: Al-Hammadi M, Fleyeh H, Åberg AC, Halvorsen K, Thomas I. Machine Learning Approaches for Dementia Detection Through Speech and Gait Analysis: A Systematic Literature Review. Journal of Alzheimer's disease : JAD. 2024. DOI: https://doi.org/10.3233/JAD-231459. PubMed: https://pubmed.ncbi.nlm.nih.gov/38848181/

## Resposta

A demência abrange diversas doenças neurodegenerativas progressivas, incluindo a doença de Alzheimer, e a detecção oportuna e precisa é crucial para intervenção precoce. Avanços em inteligência artificial, particularmente aprendizado de máquina, têm potencial para auxiliar nessa detecção. A revisão sistemática teve como objetivo sumarizar o estado da arte de abordagens baseadas em aprendizado de máquina para predição de demência, com foco em métodos não invasivos, que impõem menor ônus aos pacientes.

A análise de desempenho de marcha e fala pode fornecer insights sobre a saúde cognitiva por meio de métodos de triagem clinicamente custo-efetivos. A revisão seguiu o protocolo PRISMA e buscou estudos publicados entre 2017 e 2022 em três bases de dados eletrônicas (Scopus, Web of Science e PubMed), selecionando 40 artigos. Os métodos de aprendizado de máquina mais comuns foram máquina de vetores de suporte, seguida por aprendizado profundo.

Estudos sugeriram o uso de abordagens multimodais, pois podem fornecer desempenho de predição mais abrangente e melhor. A aplicação de aprendizado profundo em estudos de marcha ainda está em estágios iniciais, com poucos estudos aplicando-o. Além disso, a inclusão de características de movimento de corpo inteiro contribui para melhor acurácia de classificação. Em estudos de fala, a combinação de diferentes parâmetros (acústicos, linguísticos e de testes cognitivos) produziu melhores resultados.

A revisão destaca o potencial do aprendizado de máquina, especialmente abordagens não invasivas, na predição precoce de demência. As acurácias de predição comparáveis entre análise manual e automática de fala indicam uma abordagem totalmente automatizada iminente para detecção de demência. O resumo não informa detalhes sobre amostra, desenho dos estudos incluídos ou limitações específicas.

Para o médico, esses achados sugerem que ferramentas baseadas em fala e marcha podem futuramente auxiliar na triagem clínica, mas ainda são necessárias validações adicionais. A aplicação no consultório requer cautela, pois os estudos são heterogêneos e a implementação clínica não está estabelecida.

## O que o estudo mostrou

Revisão sistemática seguindo o protocolo PRISMA, com busca em Scopus, Web of Science e PubMed, incluindo 40 artigos publicados entre 2017 e 2022. Os métodos de aprendizado de máquina mais empregados foram máquina de vetores de suporte e aprendizado profundo. Estudos sugeriram abordagens multimodais para melhor desempenho preditivo. Em marcha, aprendizado profundo é incipiente, e características de corpo inteiro melhoram a acurácia. Em fala, a combinação de parâmetros acústicos, linguísticos e de testes cognitivos produziu melhores resultados. Acurácias comparáveis entre análise manual e automática de fala indicam automação iminente.

## Limitações

O resumo não informa as limitações dos estudos incluídos, nem detalhes sobre amostra, desenho ou heterogeneidade. A revisão abrange apenas publicações de 2017 a 2022 em três bases de dados, o que pode restringir a abrangência. Não são fornecidos dados sobre viés de publicação ou qualidade metodológica. A aplicação clínica ainda não está validada, e os resultados são promissores, mas não definitivos.

## Aplicação no consultório

Os achados indicam que métodos não invasivos baseados em fala e marcha podem, no futuro, apoiar a triagem de demência na prática clínica, com potencial de reduzir custos e desconforto. No entanto, a implementação atual é limitada pela falta de validação externa e padronização. O médico deve encarar essas ferramentas como adjuvantes em pesquisa, não como substitutas da avaliação clínica. A gestão do consultório pode se beneficiar de tecnologias de baixo custo, mas requer treinamento e infraestrutura para coleta e interpretação de dados.

## Perguntas para aprofundar

- Quais métodos de aprendizado de máquina são mais utilizados na detecção de demência por fala e marcha?
- A combinação de parâmetros de fala melhora a acurácia na predição de demência?
- O aprendizado profundo já está consolidado para análise de marcha na demência?

Tema: IA em saúde mental. Página: https://alphadoctor.com.br/ciencia/ia-saude-mental/a-analise-de-fala-e-marcha-com-aprendizado-de-maquina-pode-auxiliar-na-deteccao/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.