Estratégia para visualização de grandes massas de dados para medicina individualizada com foco na doença de Parkinson

Atualmente, o diagnóstico e o acompanhamento de pessoas acometidas por doenças neurodegenerativas são feitos, usualmente, com base em uma avaliação visual do profissional médico sem uso de equipamentos computacionais, normalmente. A doença de Parkinson (DP), por exemplo, é uma doença neurodegenerativa que afeta o controle motor do indivíduo acometido pela doença. A avaliação da DP normalmente é feita por meio de escalas baseadas em questionários, sobretudo a Escala de avaliação da doença de Parkinson unificada (UPDRS, do inglês Unified Parkinson's disease rating scale). Dessa forma, a presente pesquisa dedica-se ao estudo e desenvolvimento de um sistema computacional capaz de realizar a coleta, transmissão, processamento e apresentação visual de dados relacionados ao movimento humano - com base em dados inerciais -, a fim de auxiliar no processo de diagnóstico e acompanhamento da DP. Para a construção do dispositivo de coleta utilizou-se sensores inerciais (i.e., acelerômetro, giroscópio), Arduino (uma plataforma de prototipagem de fácil utilização e assim se tornando ideal para a criação de dispositivos que permitem interação com o ambiente), módulo de comunicação bluetooth. A partir de testes preliminares do hardware desenvolvido verificou-se a necessidade de adaptações para fazer do dispositivo vestível e, com isso, uma placa de circuito impresso foi desenvolvida e reduziu as dimensões do dispositivo para 6cm x 6cm x 2cm, que já permite seu uso de maneira confortável no corpo. Em paralelo, com a análise de bases de dados inerciais relacionados à DP disponíveis na internet foi verificada a possibilidade de realização de testes preliminares no que tange às técnicas de extração de características. Com isso, foi possível a realização de janelamento entre diferentes movimentos realizados por indivíduos e a caracterização por meio da extração de características. Após a realização da extração de características foi verificada uma grande quantidade de dimensões de dados o que impossibilita a visualização simplificada humana. Nesse sentido, foi aplicada a técnica de análise da componente principal (PCA, do inglês principal component analysis) para simplificação da informação sem perda significativa de informação. Como resultado foi desenvolvido um dispositivo capaz de coletar e transmitir dados inerciais além de um software capaz de armazenar e processar tais dados de forma a gerar gráficos de agrupamento bidimensionais que apresentam, quando normalizados, uma diferença clara entre indivíduos parkinsonianos e indivíduos não-parkinsonianos. Logo, a presente pesquisa tem se mostrado promissora como alternativa ao diagnóstico e prognóstico de doenças neurodegenerativas, sobretudo a DP