O sorriso é biomarcador digital do Parkinson?

Estudo recente indica que o sorriso é um biomarcador digital promissor para Parkinson, com inteligência artificial capaz de distinguir sinais faciais associados à doença a partir de vídeos curtos.

Como a IA analisa vídeos de sorriso para detectar Parkinson?

Ferramentas como OpenFace e MediaPipe extraem feições (abertura da boca, ativação muscular, movimentos das sobrancelhas); modelos de aprendizado (HistGradientBoost) classificam risco de Parkinson com base nessas características.

Qual a acurácia do modelo de sorriso para Parkinson?

Validação interna: acurácia 88%, sensibilidade 77%, especificidade 91% e valor preditivo negativo 93%. Testes externos (EUA e Bangladesh) mostraram acurácia entre 80% e 85%.

O método por vídeo funciona em diferentes populações e etnias?

O estudo incluiu 1.452 participantes de várias regiões e não evidenciou viés significativo por sexo ou etnia na maioria dos conjuntos de dados, mantendo desempenho consistente.

Como a triagem por sorriso pode ser usada na prática clínica?

Aplicações incluem triagem remota e acessível, priorização de encaminhamentos para neurologia e monitoramento complementar em programas de telessaúde, sem substituir o diagnóstico clínico presencial.

Quais limitações e próximos passos da pesquisa?

Limitações incluem necessidade de validação longitudinal, amostras mais diversas, integração em fluxos clínicos e atenção à privacidade, segurança e regulamentação antes da implementação ampla.

Triagem precoce da doença de Parkinson com IA: o sorriso como biomarcador digital

A doutoranda Marta Arbizu Gómez explica neste artigo o recente estudo «Detecção da doença de Parkinson com IA por meio de vídeos de sorrisos», no qual é apresentado o sorriso como biomarcador digital para o Parkinson.

Por que precisamos de métodos de triagem acessíveis para o Parkinson?

A doença de Parkinson (DP) é o transtorno neurodegenerativo que mais cresce em todo o mundo, afetando cada ano mais pessoas e causando um impacto profundo tanto nos pacientes quanto em suas famílias e sistemas de saúde.

O diagnóstico atual depende de sintomas motores como tremor e rigidez, os quais costumam manifestar-se em fases avançadas, quando já existe uma perda significativa de neurônios dopaminérgicos. Soma-se a isso a dificuldade de acesso a neurologistas especializados, sobretudo em zonas rurais ou em países com poucos recursos.

Dispor de uma ferramenta simples, acessível e aplicável remotamente permitiria:

Detectar sinais precoces da doença e facilitar intervenções precoces.
Ampliar o alcance da triagem em populações com difícil acesso a especialistas.
Reduzir custos e barreiras logísticas, aproveitando dispositivos cotidianos como smartphones ou webcams.

Como a pesquisa foi conduzida?

Um estudo recente publicado no NEJM AI propõe usar inteligência artificial (IA) para analisar vídeos de sorrisos e assim identificar possíveis casos de Parkinson.

Os pesquisadores recrutaram 1.452 participantes de distintas partes do mundo, incluindo EUA e Bangladesh. Destes, 391 pessoas tinham doença de Parkinson (300 diagnosticadas clinicamente e 91 autodiagnosticadas).

Cada pessoa gravou vídeos curtos executando três expressões faciais: sorriso, surpresa e desgosto. A partir desses vídeos foram extraídas características faciais chave utilizando ferramentas avançadas como OpenFace e MediaPipe. Entre as características de interesse estão a abertura da boca, a ativação dos músculos faciais e os movimentos das sobrancelhas.

Com as informações obtidas, treinaram-se modelos de aprendizado de máquina (modelos HistGradientBoost) para distinguir entre pessoas com e sem Parkinson, concentrando-se na análise do sorriso.

Inscreva-se
na nossa
Newsletter

O que revelam os principais resultados?

Os resultados foram especialmente promissores pelos seguintes motivos:

Acurácia geral na validação interna: 88%.
Sensibilidade (capacidade de detectar corretamente casos com DP): 77%.
Especificidade (capacidade de descartar corretamente casos sem DP): 91%.
Valor preditivo negativo (VPN): 93% (muito útil para descartar a doença).

Em testes externos, realizados nos EUA e Bangladesh, a acurácia variou entre 80% e 85%, mantendo-se competitiva com a precisão alcançada por alguns especialistas.

Gráfico 1 Gráfico de barras comparativo das principais métricas diagnósticas, mostrando o desempenho do modelo na validação interna, EUA e Bangladesh. — Gráfico 1. Gráfico de barras comparativo das principais métricas diagnósticas, mostrando o desempenho do modelo na validação interna, EUA e Bangladesh.

Um dado interessante é que o sorriso mostrou-se a expressão mais discriminativa, acima da surpresa e do desgosto. Além disso, a análise não evidenciou vieses significativos por sexo nem etnia na maioria dos conjuntos de dados.

Portanto, o uso de expressões faciais na triagem do Parkinson pode representar uma ferramenta útil.

Gráfico 2 Diagrama comparativo que mostra o desempenho (AUROC) do modelo de acordo com cada expressão facial: sorriso, desgosto e surpresa. — Gráfico 2. Diagrama comparativo que mostra o desempenho (AUROC) do modelo de acordo com cada expressão facial: sorriso, desgosto e surpresa.

Quais as implicações para a prática clínica?

O estudo demonstra o potencial da IA para transformar a triagem precoce do Parkinson. Entre as aplicações destacadas:

Triagem remota e acessível: pessoas em áreas rurais ou sem acesso a neurologistas poderiam gravar um simples vídeo em casa e obter uma avaliação preliminar.
Descongestionar consultas especializadas: priorizar encaminhamentos para neurologia para os casos com maior probabilidade de doença.
Monitoramento complementar: embora não substitua um diagnóstico clínico, poderia servir como acompanhamento adicional em programas de telessaúde.

Como esse avanço se relaciona com a NeuronUP?

Na NeuronUP desenvolvemos programas de estimulação e reabilitação cognitiva baseados em evidências científicas. Incorporar tecnologias que analisem biomarcadores digitais como a expressividade facial abre a porta a:

Personalização das intervenções de acordo com o grau de comprometimento motor e cognitivo.
Detecção precoce, permitindo iniciar programas de reabilitação mais cedo e maximizar sua eficácia.
Integração multidisciplinar, combinando avaliação digital e estimulação cognitiva para uma abordagem mais completa e contínua.

Lançamos NeuronUP Assessment!

O novo produto de Avaliação da NeuronUP.

Solicite acesso para testar gratuitamente por tempo limitado.

Solicite acceso

Conclusão

O sorriso, um gesto universal e aparentemente simples, pode tornar-se uma ferramenta poderosa para detectar precocemente a doença de Parkinson graças à inteligência artificial. Essa abordagem pioneira não apenas aproxima o diagnóstico de mais pessoas, mas também estabelece as bases para um futuro em que a tecnologia e a reabilitação trabalhem de mãos dadas para melhorar a qualidade de vida de quem vive com essa doença.