Tesis
O uso do aprendizado de máquina no auxílio da classificação da doença de Parkinson por meio de testes funcionais
Fecha
2022-02-24Registro en:
VIDAL, Samuel Estevam. O uso do aprendizado de máquina no auxílio da classificação da doença de Parkinson por meio de testes funcionais. 2021. 77 f., il. Tese (Doutorado em Educação Física) — Universidade de Brasília, Brasília, 2021.
Autor
Vidal, Samuel Estevam
Institución
Resumen
A doença de Parkinson (DP) é um distúrbio motor com alta prevalência entre pessoas
idosas; afeta aspectos cognitivos, sociais e psicológicos, além dos prejuízos físico-
motores inerentes da doença (POEWE, 2017). Tanto o diagnóstico quanto o
monitoramento da progressão da doença se dão através da combinação de exames
motores que quantificam o acometimento da DP (BRASIL, 2010). Neste sentido, os testes
funcionais vêm sendo amplamente aplicados para auxiliar no tratamento administrado
(OPARA, 2017), bem como o uso de tecnologias avançadas, como é o caso do
aprendizado de máquina (ZHAN, 2018). Assim, o objetivo desta tese foi verificar a
possibilidade do auxílio na predição de classificação da doença de Parkinson a partir de
aspectos funcionais de pessoas acometidas, utilizando técnicas do aprendizado de
máquina. Foram considerados os dados provenientes do Programa de Atividades Físicas
para Pessoas com Doenças Neurodegenerativas (PAFPDN) da Faculdade de Educação
Física da Universidade de Brasília. A amostra foi composta por 82 homens e 31 mulheres,
com idade média de 64,80 (± 10,18) anos. Os aspectos funcionais foram quantificados
através dos escores do Timed Up and Go Test (TUG), do 30s Chair-Stand Test (T30), do
Ten Meters Walk Test (TMW), e da seção II da UPDRS. As características individuais
analisadas foram idade, massa e estatura; e como aspectos clínicos, a seção III da UPDRS,
além da escala de Hoehn e Yahr e do tempo de diagnóstico. Quatro classificadores de
aprendizado supervisionado de máquina foram testados: SVM, SVM com data
augmentation, RUSBoost e RUSBoost com data augmentation. Os aspectos funcionais,
clínicos e as características individuais foram combinados e testados com diferentes
valores de referência da UPDRS III para verificar a acurácia da máquina em classificar a
progressão da doença. O TESTE 2 (TUG, TMW, T30 e Hohen e Yahr) e o TESTE 4
(TUG, TMW, T30, idade e tempo de diagnóstico) apresentaram a melhor avaliação de
classificação considerando as métricas de Fawcett (2006), ambas utilizando a pontuação
15 na UPDRS III como valor de referência. Conclui-se, então, que é possível que aspectos
funcionais possam auxiliar na predição da classificação da doença de Parkinson,
utilizando técnicas do aprendizado de máquina.