IA e wearables

Como o aprendizado profundo e a análise da marcha podem auxiliar na doença de Parkinson?

Resposta

A doença de Parkinson é o segundo distúrbio do movimento mais comum no mundo, com sintomas motores e não motores que impactam a independência e a qualidade de vida dos pacientes e sobrecarregam cuidadores. Nesse contexto, métodos quantitativos e objetivos para apoiar a decisão clínica são cada vez mais promissores.

A revisão sistemática, conduzida segundo as diretrizes PRISMA, buscou nas bases Scopus, PubMed e Web of Science artigos publicados entre 2018 e 2023. Foram incluídos 25 estudos que utilizaram aprendizado profundo para analisar dados de marcha de pessoas com Parkinson, empregando sensores vestíveis e não vestíveis.

Os achados mostram amplo uso de redes neurais convolucionais para analisar sinais de sensores vestíveis e de redes de estimação de pose para análise de movimento a partir de vídeos. Essas abordagens foram aplicadas para classificação, diagnóstico e monitoramento da doença.

Os autores destacam que tais técnicas podem permitir detecção precoce, avaliação da progressão e implementação de intervenções terapêuticas. No entanto, também discutem dificuldades atuais e apontam soluções futuras para o monitoramento da doença e sua progressão.

Para o médico, esses avanços sugerem um potencial apoio à prática clínica, oferecendo medidas quantitativas e objetivas que podem complementar a avaliação tradicional. Contudo, a implementação rotineira ainda depende da superação de desafios técnicos e da validação em diferentes contextos.

O que o estudo mostrou

Revisão sistemática com 25 artigos publicados entre 2018 e 2023, que utilizaram aprendizado profundo para análise da marcha na doença de Parkinson. Os estudos empregaram sensores vestíveis e não vestíveis, com redes neurais convolucionais para sinais de sensores e redes de estimação de pose para vídeos, aplicadas à classificação, diagnóstico e monitoramento.

Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, heterogeneidade das amostras ou limitações específicas das técnicas. Também não são apresentados dados quantitativos de desempenho ou validação clínica.

Aplicação no consultório

A incorporação dessas tecnologias na prática clínica ainda é incipiente, mas pode auxiliar na avaliação objetiva da marcha e no monitoramento da progressão. Para o consultório, isso implica considerar a adoção de sensores e ferramentas de análise de vídeo como apoio à decisão, além de capacitação da equipe para interpretar esses dados.

Estudo citado

The Role of Deep Learning and Gait Analysis in Parkinson's Disease: A Systematic Review. Sensors (Basel, Switzerland), 2024.
Autores: Franco A, Russo M, Amboni M, Ponsiglione AM, Di Filippo F, Romano M, Amato F, Ricciardi C.
DOI: 10.3390/s24185957 · PubMed: PMID 39338702

Perguntas para aprofundar

• Quais são as principais técnicas de aprendizado profundo aplicadas à marcha na doença de Parkinson?
• Como os sensores vestíveis podem ser usados no monitoramento da doença de Parkinson?
• Quais os desafios para implementar análise de marcha com aprendizado profundo na prática clínica?

Mais sobre IA e wearables

• Como a inteligência artificial e os sensores vestíveis podem ajudar na detecção e predição do freezing da marcha na doença de Parkinson?
• Sensores vestíveis com aprendizado de máquina podem auxiliar no diagnóstico da doença de Parkinson?
• A fusão de sensores e inteligência artificial pode aprimorar a análise da marcha na prática clínica?
• Sensores vestíveis e aprendizado profundo na detecção de quedas em idosos: qual o desempenho segundo uma revisão sistemática?
• A reabilitação multidisciplinar hospitalar é eficaz na doença de Parkinson segundo os estudos recentes?

Todas as perguntas sobre IA e wearables · Todos os temas · Versão em markdown