Engenharia
Biomédica
Resumo
Este trabalho faz parte das pesquisas do projeto de iniciação científica “Inteligência Artificial aplicada para cursos técnicos” e tem como objetivos pesquisar, analisar e desenvolver técnicas de inteligência computacional (Inteligência Artificial - IA) para utilização nas diversas áreas produtivas. O presente estudo aborda a utilização da IA na área biomédica, especialmente na identificação de doenças neurológicas, no caso a Doença de Parkinson. A doença de Parkinson é a segunda doença neurológica que mais acomete pessoas no mundo. Segundo a Organização Mundial da Saúde, no boletim “Neurological Disorders: public health challenges”, 1% da população mundial foi diagnosticada com a Doença de Parkinson e, no Brasil, estima-se 200 mil pessoas, com uma prevalência de 100 a 200 casos por 100 mil habitantes. Este projeto apresenta um sistema barato, acessível e que possa identificar indícios de que a pessoa esteja com a Doença de Parkinson, alertá-la e motivá-la a buscar outros meios de diagnósticos. Afinal, a rápida detecção é o meio mais eficaz de amenizar os danos causados pelo avanço da doença. O sistema é baseado no teste de desenho geométrico proposto por Poonam Zham e outros em 2017, que permite distinguir diferentes estágios da doença de Parkinson usando um índice composto pela velocidade e pela pressão da caneta ao se esboçar uma espiral ou onda. O sistema então utiliza técnicas de visão computacional e algoritmos de aprendizagem de máquina (machine learning) para detectar a doença de Parkinson em imagens de espirais e ondas desenhadas à mão. Os resultados obtidos indicam que é possível prever a doença com 83% de precisão nos testes realizados na plataforma Google Colab utilizando o dataset fornecido pelo NIATS. Nesta fase, o sistema está sendo implementado em single border computer, o Raspberry Pi, visando torná-lo mais flexível e acessível. É importante ressaltar que a consulta com profissionais da área para a realização de outros exames é fundamental.
Palavras-chave: Parkinson, Machine Learning, Random Forest