Investigation of Machine Learning Techniques to Aid in the Diagnosis of Neurodegenerative Diseases

• Juliana Paula Félix UFG
• Hugo A. D. do Nascimento UFG
• Nilza Nascimento Guimarães UFG

DOI: https://doi.org/10.5753/sbcas_estendido.2024.2828

Resumo

A tese sumarizada neste documento apresenta soluções alternativas, rápidas, de baixo custo e eficazes, auxiliadas por técnicas de aprendizado de máquina, para apoiar o diagnóstico e diferenciação de doenças neurodegenerativas (NDDs) como a Doença de Parkinson, a Doença de Huntington e a Esclerose Lateral Amiotrófica. Essas doenças, caracterizadas pela perda progressiva de neurônios, não têm cura, e o diagnóstico é puramente clínico. Através do uso de características inovadoras extraídas de sinais da marcha, a partir da análise de flutuação dinâmica e da distorção harmônica, resultados com alta acurácia, especificidade e sensibilidade (96% – 100%) são alcançados para a classificação automática de NDDs, permitindo funcionar como um sistema de apoio ao diagnóstico. Além disso, esta tese apresenta e discute uma abordagem inovadora para o diagnóstico de NDDs focada no bem-estar do paciente, objetivando reduzir a duração do exame e o esforço físico necessário para a coleta de sinais de marcha. As contribuições apresentadas inovam no campo computacional, com potencial de impactar positivamente a saúde pública e a qualidade de vida de pessoas com doenças neurodegenerativas.

Referências

Abu-Faraj, Z. O., Harris, G. F., Smith, P. A., and Hassani, S. (1999). Human gait and clinical movement analysis. Wiley Encycl. of Electrical and Electro. Eng., pages 1–34.

Chagas, A. L., Bucci, G., Felix, J., Fonseca, A., Nascimento, H., and Soares, F. (2024). Avaliando a sobreamostragem de dados temporais de marcha no diagnóstico automático de doenças neurodegenerativas. In Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS), Goiânia, GO, Brazil, June 25–28, 2024, pages 1–12. SBC.

Erkkinen, M. G., Kim, M.-O., and Geschwind, M. D. (2018). Clinical neurology and epidemiology of the major neurodegenerative diseases. Cold Spring Harbor Perspectives in Biology, 10(4):a033118.

Felix, J., Fonseca, A. U., Araújo, R., Nascimento, H., and Guimarães, N. (2022a). Classificação de Severidade da Doença de Parkinson Utilizando Sinais de Marcha e Aprendizado de Máquina. In IX Congresso Latino-Americano de Engenharia Biomédica (CLAIB 2022) e o XXVIII Congresso Brasileiro de Engenharia Biomédica (CBEB 2022), Florianópolis, SC, Brazil, October 24–28, 2022, pages 601–606. SBEB.

Felix, J., Fonseca, A. U., Nascimento, H., and Guimarães, N. (2022b). Rede Neural Multicamadas para Classificação de Doenças Neurodegenerativas a partir de Sinais de Marcha. In XXIV Congresso Brasileiro de Automática, pages 1354–1361. SBA.

Felix, J. P., do Nascimento, H. A. D., Guimarães, N. N., Pires, E. D. O., da Silva Vieira, G., and de Souza Alencar, W. (2020). An Effective and Automatic Method to Aid the Diagnosis of Amyotrophic Lateral Sclerosis Using One Minute of Gait Signal. In 2020 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), pages 2745–2751. IEEE.

Felix, J. P., Fonseca, A. U., Araújo, R., Nascimento, H. A. D. d., and Guimarães, N. N. (2023a). A Patient-Focused Approach for Neurodegenerative Diseases Diagnosis using One-Minute Walking Data and Neural Networks. Biomedical Signal Processing. Submitted on April 2023.

Felix, J. P., Fonseca, A. U., Araújo, R., Nascimento, H. A. D. d., and Guimarães, N. N. (2023b). Assessing Parkinson’s Disease Severity Using Gait Signals and a Feedforward Neural Network. Biomedical Signal Processing. Submitted on February 2023.

Felix, J. P., Nascimento, H. A. D. d., Guimarães, N. N., Pires, E. D. O., Da Fonseca, A. U., and Vieira, G. D. S. (2021). Automatic Classification of Amyotrophic Lateral Sclerosis through Gait Dynamics. In 2021 IEEE 45th Annual Computers, Software, and Applications Conference (COMPSAC), pages 1942–1947. IEEE.

Félix, J. P., Vieira, F. H. T., Cardoso, Á. A., Ferreira, M. V. G., Franco, R. A. P., Ribeiro, M. A., Araújo, S. G., Corrêa, H. P., and Carneiro, M. L. (2019). A Parkinson’s Disease Classification Method: An Approach Using Gait Dynamics and Detrended Fluctuation Analysis. In 2019 IEEE Canadian Conference of Electrical and Computer Engineering, CCECE 2019, Edmonton, AB, Canada, May 5-8, 2019, pages 1–4. IEEE.

Felix, J. P., Vieira, F. H. T., da Silva Vieira, G., Franco, R. A. P., da Costa, R. M., and Salvini, R. L. (2019a). An Automatic Method for Identifying Huntington’s Disease using Gait Dynamics. In 31st IEEE International Conference on Tools with Artificial Intelligence (ICTAI), Portland, USA, November 4-6, 2019, pages 1659–1663. IEEE.

Felix, J. P., Vieira, F. H. T., Franco, R. A. P., da Costa, R. M., and Salvini, R. L. (2019b). Diagnosing Huntington’s Disease Through Gait Dynamics. In 14th International Symposium on Visual Computing, ISVC 2019, Lake Tahoe, NV, USA, October 7-9, 2019, Proceedings, Part II, Lecture Notes in Computer Science, pages 504–515. Springer.

Heemels, M.-T. (2016). Neurodegenerative diseases. Nature, 539(7628):179–180.

Maragakis, N. J. and Rothstein, J. D. (2006). Mechanisms of disease: astrocytes in neurodegenerative disease. Nature Clinical Practice Neurology, 2(12):679–689.

Peng, C.-K., Buldyrev, S. V., Havlin, S., Simons, M., Stanley, H. E., and Goldberger, A. L. (1994). Mosaic organization of DNA nucleotides. Physical review e, 49(2):1685.