Cientistas da Universidade da Califórnia, em São Francisco, Estados Unidos, desenvolveram um método para melhorar a capacidade de caminhada das pessoas com Parkinson. A técnica é uma combinação entre estimulação cerebral profunda com algoritmos de inteligência artificial para personalizar o tratamento.
Naturalmente, na progressão do Parkinson, ocorrem alterações na caminhada. A marcha parkinsoniana inclui passos curtos, lentidão e assimetria entre as pernas, o que aumenta o risco de quedas e reduz a autonomia do paciente.
A pesquisa, publicada na revista npj Parkinson’s Disease, avaliou como diferentes configurações de estimulação elétrica no cérebro influenciam o desempenho motor. Ademais, a análise permitiu prever quais ajustes melhoram a caminhada sem agravar outros sintomas da doença.
A equipe desenvolveu um índice de desempenho da caminhada com base em medidas como comprimento do passo, amplitude do movimento dos braços e estabilidade dos passos. Foram avaliados dados em tempo real durante testes de caminhada.
Três participantes usaram dispositivos implantados que estimulam e monitoram a atividade elétrica no cérebro. Eles caminharam por um circuito de seis metros enquanto os aparelhos ajustavam os estímulos e registravam os efeitos.
Os cientistas utilizaram um modelo computacional que previu as combinações de estímulo mais eficazes para melhorar os movimentos dos pacientes. As melhores respostas motoras estavam ligadas à redução da atividade beta no globo pálido, área do cérebro associada ao controle muscular. Esse padrão foi observado em momentos específicos do ciclo da marcha.
O estímulo cerebral profundo é usado há décadas para reduzir tremores e rigidez em pacientes com Parkinson. No entanto, seus efeitos sobre a marcha têm sido menos consistentes e difíceis de prever. Os efeitos variam entre pacientes e dependem da configuração aplicada.
Não era possível fazer ajustes precisos, devido à ausência de métricas padronizadas para avaliar a marcha. O novo índice criado pelo grupo da UCSF, por sua vez, busca preencher essa lacuna ao oferecer base objetiva para decisões clínicas. “Conseguimos identificar combinações personalizadas de estímulo que aumentam o desempenho motor com base na atividade neural de cada pessoa”, declarou Hamid Fekri Azgomi, coautor do estudo, em comunicado à imprensa, reforçando que a chave está em tratar cada caso de forma individual.
O uso de aprendizado de máquina permitiu aos pesquisadores prever o efeito de cada configuração de estímulo antes de aplicá-la. Com isso, evitaram ajustes que não trariam ganhos reais de mobilidade.
Agora, a equipe inclui a integração do índice de desempenho com softwares de programação de estimulação cerebral, bem como ampliar os testes com mais pacientes em fases diferentes da doença. A ideia é criar ferramentas automáticas para otimizar o tratamento.
A equipe da UCSF considera que as descobertas representam um avanço para o cuidado de doenças neurológicas. “É um passo importante para tratamentos personalizados que realmente façam diferença na vida das pessoas”, concluiu. Azgomi.
Você está acompanhando as descobertas sobre o Parkinson? Comente abaixo!
Deixe um comentário