Diagnóstico Multi-Modal por Aprendizado Profundo da Doença de Parkinson—Uma Revisão Sistemática

A Doença de Parkinson (DP) está entre os distúrbios neurológicos mais frequentes. Abordagens que empregam inteligência artificial e, notavelmente, aprendizado profundo, têm sido amplamente adotadas com resultados promissores. Este estudo fornece uma revisão exaustiva entre 2016 e janeiro de 2023 sobre técnicas de aprendizado profundo utilizadas no prognóstico e evolução dos sintomas e características da doença com base na marcha, movimento dos membros superiores, fala e informações relacionadas à expressão facial, bem como a fusão de mais de uma das modalidades mencionadas. A busca resultou na seleção de 87 publicações de pesquisa original, das quais resumimos as informações relevantes sobre o processo de aprendizado e desenvolvimento utilizado, informações demográficas, resultados primários e informações relacionadas a equipamentos sensoriais. Vários algoritmos e estruturas de aprendizado profundo alcançaram desempenho de ponta em muitas tarefas relacionadas à DP, superando abordagens convencionais de aprendizado de máquina, de acordo com a pesquisa revisada. Enquanto isso, identificamos desvantagens significativas na pesquisa existente, incluindo a falta de disponibilidade de dados e interpretabilidade dos modelos. Os rápidos avanços em aprendizado profundo e o aumento dos dados acessíveis oferecem a oportunidade de abordar essas dificuldades no futuro próximo e para a ampla aplicação dessa tecnologia em ambientes clínicos.