Através da análise dos dados coletados por smartwatches de 103.712 pessoas, os pesquisadores foram capazes de identificar indivíduos que seriam diagnosticados com Parkinson até sete anos depois. Surpreendentemente, mesmo antes do diagnóstico, essas pessoas apresentavam movimentos mais lentos e problemas de sono.
PUBLICIDADE
Na metodologia, os pesquisadores treinaram modelos de IA para distinguir os padrões de movimento de pessoas com Parkinson da população em geral através de uma técnica chamada acelerometria. A acelerometria é uma técnica que mede os movimentos do corpo usando sensores de movimento. Neste estudo, os pesquisadores usaram dados de acelerometria para avaliar padrões de movimento em pessoas antes do diagnóstico de Parkinson.
Os modelos de aprendizado de máquina treinados usando dados de acelerometria apresentaram melhor desempenho na identificação da doença de Parkinson com diagnóstico clínico e também na identificação da doença de Parkinson prodrômica (em período inicial), em comparação com os outros modelos testados.
Comparado a outros métodos, como análise genética ou sintomas conhecidos, os modelos baseados nos dados dos relógios inteligentes tiveram um desempenho muito melhor no diagnóstico da doença, de acordo com que publicaram os pesquisadores na revista.
PUBLICIDADE
Alguns dos sintomas do Parkinson que podem ser identificados são: Lentidão de movimentos, músculos rígidos e tremores.
Quando a doença de Parkinson é identificada mais cedo, é possível iniciar o tratamento de forma prematura, o que pode melhorar os resultados e a qualidade de vida dos pacientes.
Além disso, essa tecnologia permite cuidados de saúde personalizados. Com a análise contínua dos dados de saúde coletados pelos relógios inteligentes, cada pessoa pode receber recomendações e medidas preventivas personalizadas com base em seus próprios padrões e riscos de saúde. Isso pode ajudar no gerenciamento da doença e melhorar o bem-estar geral.
Os relógios inteligentes equipados com IA também podem oferecer suporte aos pacientes, fornecendo feedback em tempo real e lembretes para tomar medicamentos, seguir rotinas de exercícios e gerenciar os sintomas da doença.
PUBLICIDADE
Para analisar os casos detalhadamente, o estudo usou um banco de dados de saúde do Reino Unido chamado Biobank, com informações de mais de meio milhão de pessoas. Ainda de acordo com o estudo, são necessárias novas pesquisas para entender como o método pode ser ainda mais eficiente e mitigar possíveis falhas.
Veja também:
