Pesquisadores da Universidade da Califórnia em São Francisco (UCSF), nos Estados Unidos, criaram um método inovador para aprimorar a capacidade de andar de pessoas que têm Parkinson. A técnica combina a estimulação cerebral profunda com algoritmos de inteligência artificial para personalizar o tratamento de cada paciente.
Alterações na forma de andar são comuns à medida que o Parkinson progride. A marcha típica da doença apresenta passos curtos, lentos e irregulares entre as pernas, o que aumenta o risco de quedas e limita a independência do paciente.
O estudo analisou como diferentes ajustes na estimulação elétrica do cérebro influenciam os movimentos. Isso possibilitou prever quais configurações melhoram a caminhada sem piorar outros sintomas.
A equipe desenvolveu um índice que avalia o desempenho da caminhada considerando o comprimento dos passos, o movimento dos braços e a estabilidade. Esse sistema analisou dados em tempo real durante testes práticos, cujos resultados foram publicados na revista npj Parkinson’s Disease em 28 de junho.
O que é o Parkinson?
Parkinson é uma doença crônica e progressiva causada pela degeneração das células cerebrais. Atinge cerca de 10 milhões de pessoas no mundo, principalmente idosos acima de 65 anos, mas pode ocorrer em outras idades também.
Os sintomas principais envolvem a lentidão dos movimentos, rigidez muscular e tremores. Além disso, pacientes podem apresentar perda do olfato, alterações no sono, mudanças de humor, problemas urinários, dores e fadiga. Aproximadamente 30% desenvolvem demência associada.
Como funciona a tecnologia usada?
Três participantes usaram dispositivos implantados que estimulam e monitoram a atividade cerebral. Eles caminharam em um percurso de seis metros enquanto os aparelhos ajustavam os estímulos e avaliavam os efeitos.
Os pesquisadores usaram um modelo computacional para prever as melhores combinações de estímulos para cada paciente, identificando redução da atividade beta no globo pálido — área ligada ao controle muscular — em momentos específicos da caminhada.
Tratamento personalizado
A estimulação cerebral profunda já é usada há décadas para reduzir tremores e rigidez, mas os efeitos na caminhada eram menos previsíveis e variavam entre pacientes.
A falta de métricas padronizadas dificultava ajustes precisos. O índice criado pela UCSF oferece uma base objetiva para personalizar o tratamento. Segundo Hamid Fekri Azgomi, coautor do estudo, “conseguimos identificar combinações personalizadas de estímulo que melhoram o desempenho motor com base na atividade neural individual”.
Modelo preditivo e próximos passos
O aprendizado de máquina ajudou a prever o efeito das configurações antes da aplicação, evitando ajustes ineficazes.
A equipe planeja integrar o índice a softwares que programam a estimulação cerebral e ampliar os testes para mais pacientes em diferentes estágios da doença, criando ferramentas automáticas que otimizem o tratamento.
Para a equipe da UCSF, essas descobertas representam um avanço significativo para o cuidado de doenças neurológicas e um passo importante para tratamentos personalizados que façam diferença na vida das pessoas.