Categories Tecnologias SociaisPosted on 29/04/202203/05/2022Adolescentes usam IA para detectar doença de Parkinson por caligrafia Utilizando machine learning baseado em GPU da NVIDIA para aceleração do processo, os jovens estadunidenses Tanish Tyagi e Riya Tyagi, de 16 e 14 anos, respectivamente, publicaram um trabalho de pesquisa sobre o uso de machine learning para detectar a doença de Parkinson, concentrando-se principalmente na micrografia, condição que diminui o trabalho da letra e acompanha muitos parkinsonianos, comprometendo a comunicação de forma escrita. Há um ano, Tanish publicou seu primeiro trabalho de pesquisa sobre deep learning para detectar demência e assim começou uma busca familiar. Os bisavós de sua família sofriam de Parkinson, então, Tanish e sua irmã focaram suas pesquisas nessa doença. A ideia dos jovens é criar um modelo amplamente acessível para que a detecção precoce seja possível para pessoas em todo o mundo com acesso a saúde limitado. Os Tyagis, que fizeram a pesquisa durante as férias de verão, frequentam internato americano Phillips Exeter Academy. “Me alegra ver ações como essa serem possíveis e criadas por pessoas tão jovens. A NVIDIA contribui com essas inovações e esperamos que cada vez mais descobertas na área da saúde sejam realizadas e, desta forma, possamos conceder uma vida melhor a todos que sofrem com condições como essa”, comemora Marcio Aguiar, diretor da divisão Enterprise da NVIDIA para América Latina. Identificando sinais por micrografia Tanish decidiu pesquisar sobre o Parkinson em fevereiro de 2021, quando tinha apenas 15 anos. Ele havia aprendido recentemente sobre micrografia. Não muito tempo depois, Tanish assistiu a uma palestra dos pesquisadores da Penn State University, Ming Wang e Lijun Zhang, sobre Parkinson. Após isso, ele procurou a orientação da dupla nessa busca pela detecção precoce do Parkinson, e os professores concordaram em supervisionar o projeto. Além disso, Wang também está trabalhando em conjunto com laboratórios do Massachusetts General Hospital para a realização da pesquisa. “O trabalho de Tanish e Riya visa aprimorar a previsão de micrografia, realizando análises secundárias de imagens públicas de caligrafia e adotando machine learning de última geração. As descobertas podem ajudar os pacientes a receber diagnóstico e tratamento precoces para melhores resultados de saúde”, afirma o Dr. Zhang, Professor Associado do Instituto de Medicina Personalizada da Penn State University. Em seu artigo, os irmãos usaram o machine learning baseado em GPU da NVIDIA para extração de recursos de características de micrografia. O conjunto de dados incluiu imagens de código aberto de exames de 53 pessoas saudáveis e 105 pacientes de Parkinson. Eles extraíram várias características dessas imagens que lhes permitiram analisar os tremores pela escrita. Com um conjunto de dados maior e mais equilibrado, a precisão de previsão que já é alta — cerca de 93% —, pode ficar ainda melhor. Desenvolvendo uma rede neural para diagnóstico Tanish já havia usado a GPU NVIDIA GeForce RTX 3080 de seu laboratório em um projeto de processamento de linguagem natural para uma pesquisa sobre demência. Mas nenhum dos irmãos tinha muita experiência com visão computacional antes de iniciar o projeto sobre Parkinson. Atualmente, os dois estão trabalhando em uma rede neural convolucional com aprendizado de transferência para montar um modelo que pode ser útil para diagnóstico em tempo real. “Estamos trabalhando no processamento da imagem de um usuário, alimentando-a no modelo e retornando resultados abrangentes para que o usuário possa realmente entender o diagnóstico que o modelo está fazendo”, diz Tanish. Mas, primeiro, os Tyagis desejam aumentar o tamanho de seu conjunto de dados para melhorar a precisão do modelo. Seu objetivo é desenvolvê-lo ainda e construir um site. Tanish e Riya querem que a detecção de Parkinson seja tão fácil que as pessoas possam preencher um formulário de avaliação de caligrafia e enviá-lo para detecção. “O modelo poderia ser implantado para o público em geral e usado em ambientes clínicos, e isso seria incrível”, finaliza Tanish. __ Imagem Destaque: Pearl PhotoPix /Shutterstock Compartilhe esse artigo: