Doenças neurodegenerativas, tais como Doença de Parkinson, Esclerose Lateral Amiotrófica e Doença de Huntington, afetam o sistema nervoso e causam, dentre outros sintomas, movimentos involuntários, fraqueza dos músculos e comprometimento dos movimentos do corpo e da marcha. Essas doenças não possuem cura e podem ser de difícil diagnóstico quando carecem de um teste definitivo para tanto. Nesses casos, o diagnóstico geralmente é possível através de uma análise clínica detalhada e dispendiosa do histórico do paciente. Uma série de exames clínicos, laboratoriais e de imagem são realizados com o intuito de descartar outras doenças com sintomas similares. Este projeto de pesquisa tem por objetivo identificar e desenvolver métodos computacionais de baixo custo para auxiliar no diagnóstico, classificação e identificação de estágios de doenças neurodegenerativas. Para isso, bases de dados públicas serão utilizadas para treinar e avaliar modelos de aprendizado de máquina. Os resultados do projeto podem impactar diretamente na sociedade, na redução do tempo e do esforço necessários para o diagnóstico das doenças neurodegenerativas e na antecipação dos tratamentos a serem administrados.

O objetivo geral deste projeto é  investigar novos fluxos de de processamento de dados usando métodos de aprendizado de máquina para o diagnóstico e o acompanhamento de doenças neurodegenerativas. 

Objetivos Específicos :

• Investigar novos fluxos de aprendizados de máquina para auxiliar no diagnóstico e/ou mensuração da severidade de doenças neurodegenerativas.

• Identificar atributos de dados e métodos de aprendizado de máquina que sejam mais efetivos para as atividades na área.

• Explorar arquiteturas de redes neurais e de métodos clássicos de aprendizado de máquina aplicadas à análise de dados diversos, tais como imagens e sinais de voz, de marcha, ou de movimentos.

• Capacitar estudantes na aplicação de métodos computacionais de Inteligência Artificial e no tratamento de dados biomédicos aplicados à saúde diagnóstica.

• Capacitar estudantes para a realização de pesquisas científicas na área.

Considerando a dificuldade e a importância do diagnóstico de doenças neurodegenerativas, é evidente a necessidade de métodos alternativos, não-invasivos e de baixo custo que possam contribuir para este diagnóstico, principalmente o precoce. Neste projeto, propomos o estudo de dados biomédicos variados, tais como dados de movimento, marcha, voz, e imagens, coletados de pessoas com doenças neurodegenerativas, e disponíveis publicamente, a fim de desenvolver métodos computacionais para auxiliar no diagnóstico, acompanhamento da evolução e tratamento de doenças neurodegenerativas. Em geral, os dados coletados são provenientes de protocolos simples e obtidos a partir de sensores ou equipamentos de baixo custo, tais como aqueles disponíveis em smartphones, smartwatches, amplamente disponíveis no mercado, e também sistemas embarcados, como aqueles construídos com Arduino. 

Na literatura da área, há diversos estudos que já utilizam técnicas de aprendizado de máquina para auxiliar no diagnóstico de doenças neurodegenerativas. Entre eles, citam-se os trabalhos relacionados ao Diagnóstico de Parkinson a partir da voz (BIELBY et al., 2020; YASAR et al., 2019; MITTAL; SHARMA, 2021; POLAT; NOUR, 2020; NARANJO et al., 2016), ou a partir de dados de movimento coletados por smartwatches (Varghese et al., 2024) ou celulares, e também no diagnóstico de Parkinson, Huntington e Esclerose Lateral Amiotrófica a partir da marcha (FELIX et al., 2020a; FELIX et al., 2019a; FELIX et al., 2019b; FELIX et al., 2019c; ZENG; WANG, 2015; WU; KRISHNAN, 2009; WU; SHI, 2011; DALIRI, 2012; XIA; GAO; YE, 2015; SAADEH; ALTAF; BUTT, 2017; MARGIOTTA; AVITABILE; COVIELLO, 2016; TAHIR; MANAP, 2012; JOSHI; KHAJURIA; JOSHI, 2017; DJURI¿-JOVI¿I¿ et al., 2013; ZENG; WANG, 2015) . Neste projeto, busca-se avançar no estado da arte, investigando novas análises automatizadas para auxiliar no diagnóstico e mensuração de severidade dessas doenças.