Vídeos de expressões faciais podem indicar sinais de doença degenerativa
Por Fidel Forato • Editado por Luciana Zaramela |
O diagnóstico de doenças degenerativas, como a esclerose lateral amiotrófica (ELA), não é processo simples, já que o quadro pode passar despercebido nos estágios iniciais. Pensando nisso, uma equipe internacional de pesquisadores criou uma ferramenta computacional, com Inteligência Artificial (IA), que capta sinais precoces da condição a partir de vídeos com diferentes expressões faciais dos indivíduos suspeitos.
A ideia é usar os vídeos com expressões faciais de possíveis pacientes com ELA para uma espécie de triagem, como propõe o estudo-piloto desenvolvido por cientistas do grupo de pesquisa Recogna da Universidade Estadual Paulista (Unesp) e do grupo Biosignals do Instituto Real de Tecnologia de Melbourne (RMIT), na Austrália.
Ao examinar os movimentos musculares do rosto, “a IA busca identificar paralisias dos músculos faciais, que são uma das consequências de ELA”, explica Guilherme Oliveira, doutorando no RMIT e pesquisador principal do artigo, para o Canaltech.
Diagnóstico de ELA
ELA é uma doença degenerativa que afeta o sistema nervoso, enfraquecendo os músculos e afetando diferentes funções físicas. Um exemplo é o físico britânico Stephen Hawking, que foi diagnosticado com a condição debilitante.
O enfraquecimento dos movimentos faciais é um dos primeiros sinais da condição, mas é difícil de ser detectado. Como existem grandes diferenças entre indivíduos, os parâmetros para esse diagnóstico acabam sendo bastante subjetivos.
Nesse contexto, a proposta da ferramenta é padronizar e facilitar uma triagem da doença degenerativa, através de um elemento bem simples que são vídeos com expressões faciais.
"A telemedicina será a área mais impactada por essa tecnologia [quando estiver pronta para o mercado]”, destaca o cientista Oliveira. Inclusive, “será possível registrar e monitorar o progresso da paralisia facial”, destaca.
Com esse antes e depois, o médico responsável poderá tomar decisões mais embasadas sobre possíveis tratamentos.
Veja também:
- Conheça os efeitos droga anti-Alzheimer que coloca pacientes em estado de hibernação
- Segundo paciente da Neuralink projeta objetos 3D com a mente
- Robô-cirurgião Da Vinci 5 aumenta precisão e reduz danos a tecidos em 43%
IA que analisa expressões faciais
Publicado na revista Digital Biomarkers, o primeiro estudo com a IA que identifica sinais precoces da ELA envolveu a análise de vídeos de 11 pessoas saudáveis e 11 indivíduos com a condição degenerativa.
Nos vídeos, os indivíduos realizavam tarefas simples, como assoprar uma vela, levantar as sobrancelhas, abrir a boca e sorrir. Essas situações permitem identificar diferentes expressões faciais, pois envolvem diferentes músculos da face.
A partir desse material, foram definidos valores para o desempenho de cada participante e, assim, a ferramenta conseguiu detectar de forma eficaz traços de fraqueza muscular e hiperatividade, comuns na ELA. De forma simples, aponta os movimentos normais e anormais na musculatura facial.
Limitações da ferramenta para ELA
Apesar dos resultados iniciais positivos, o conjunto de dados usado foi relativamente pequeno. Outra questão é que a pesquisa não foi suficientemente abrangente em alguns aspectos, como idade e etnia. Então, novos testes ainda serão necessários.
“Com mais pacientes, nós conseguiremos validar e aumentar a eficiência da IA”, afirma Oliveira sobre os próximos passos da pesquisa, que deve acelerar o diagnóstico precoce de ELA.
No futuro, a mesma abordagem também poderá ser usada para decodificar microexpressões precoces associadas a um quadro de acidente vascular cerebral (AVC) ou de doença de Parkinson. Assim, poderá ser transformado em um aplicativo para smartphones como ferramenta de triagem, simples e acessível.
Confira outras notícias do Canaltech:
- Cérebro humano armazena várias cópias de uma mesma memória
- Super IA da OpenAI, projeto Strawberry será lançado em breve, diz site
- Microscópio mais rápido do mundo consegue ver elétrons se movendo
Fonte: Digital Biomarkers