Uma equipa de investigadores do Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência (INESC TEC) e da Universidade de Munique testou uma solução para classificar crises epiléticas, utilizando um radar de infravermelhos e vídeos 3D. Esta é a primeira vez que um mecanismo de IA explora a classificação de ataques de epilepsia, em tempo quase-real.
A investigação demonstrou a viabilidade de um sistema de apoio ao diagnóstico e à monitorização (baseado no reconhecimento de ações com recurso a deep learning), que permite distinguir entre crises com origem nos lobos frontal e temporal do cérebro (os mais comuns na epilepsia), ou eventos não epiléticos. Os resultados do trabalho foram recentemente publicados pela Nature Scientific Reports.
A epilepsia é uma doença neurológica crónica que afeta 1% da população mundial, sendo as crises um dos principais sintomas. A análise destes ataques permite determinar a sua origem no cérebro. “Durante o diagnóstico clínico, os profissionais utilizam vídeos para reconhecer, visualmente, movimentos relevantes definidos por características de movimento (semiologia)”, explica Tamás Karácsony, investigador do INESC TEC e aluno dos Programas de Doutoramento Afiliados do Programa Carnegie Mellon Portugal, atualmente na Faculdade de Engenharia da Universidade do Porto (FEUP).
Esta abordagem apresenta várias limitações, por isso, os investigadores desenvolveram outra baseada em deep learning para a classificação automática, e em tempo quase-real, de crises epiléticas. Esta abordagem é a primeira a explorar a classificação a partir de amostras de dois segundos, por oposição a outros métodos, que requerem informação do período total da crise, que dura habitualmente vários minutos.
A equipa recorreu à maior base de dados de vídeos 3D síncronos com eletroencefalogramas também resultado desta colaboração internacional com mais de 20 anos e extraiu informação relativa a 115 crises.
De acordo com João Paulo Cunha, coautor do estudo, investigador coordenador do projeto e docente na FEUP, a investigação desenvolvida demonstrou a “viabilidade da solução no apoio à monitorização online – com recurso a inteligência artificial com base numa abordagem de ação-reconhecimento”.
Será ainda necessário aprofundar este tipo de investigação para que o sistema em causa possa ser implementado em contexto clínico.
