Fundamentação do Programa Triple-N com o método do estudo e da escrita imanente à vida
Carregando...
Data
2026-06-10
Autores
Currículo Lattes
http://lattes.cnpq.br/6211840129538772
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Nossa pesquisa tem como objetivo de estudo a Doença de Parkinson (DP). Mas o que é Doença de Parkinson? É uma enfermidade neurológica progressiva que se desenvolve gradualmente e compromete o sistema sensório-motor. Por exemplo: provoca sintomas como tremores, lentidão nos movimentos (bradicinesia) e desequilíbrio postural. A DP afeta milhões de pessoas, de todas as idades e em todo o mundo. No entanto, a população mais atingida é a população idosa. Os dados da Organização Mundial de Saúde (OMS) mostram que aproximadamente 1% da população mundial, com idade superior a 65 anos, tem a doença. O principal motivo é a perda progressiva de dopamina; que, nos casos confirmados da doença, apresenta-se muito abaixo da média normal. Para nossa surpresa, descobrimos que o estudo e a escrita estimulam a produção de neurotransmissores que elevam a dopamina. Assim, dentre as várias possibilidades de prevenir a doença destacamos que o estudo e a escrita se vividos regularmente como hábito e rotina, pessoal e social, pode mitigar a Doença de Parkinson. Há muitas dificuldades de realizar diagnóstico da DP com precisão, principalmente nos estágios iniciais. Entre as técnicas existentes a micrografia é comumente empregada no diagnóstico da doença de Parkinson. Ela consiste, essencialmente, em realizar exames manuscritos. É, justamente, no aprimoramento dessas técnicas que a Aprendizagem de Máquina (AM) surge como categoria poderosa, no complexo categorial da computação, para precisar as técnicas de classificação de dados, que identificam padrões e auxiliam na detecção da DP. A nossa pesquisa utiliza três modelos de Aprendizado de Máquina: HOG (Histograma Orientado a Gradientes, tradução própria) + Support Vector Machine (SVM – Máquinas de Vetores de Suporte, tradução própria), CNN (Rede Neural Convolucional, tradução própria), e Transfer Learning (Transferência de Conhecimento, tradução própria) (MobileNetV2), com o objetivo de classificar exames manuscritos e contribuir para melhorar a precisão e a eficácia no diagnóstico médico da DP. Os resultados de nosso estudo evidenciam o uso do modelo de Aprendizado de Máquina Supervisionado (Programa elaborado por nós, nomeado Triple-N, em razão do nome do autor) que consegue um desempenho promissor. Isto é, ele apresenta altas taxas de acurácia, atingindo 80% para o HOG + SVM e 96% para o CNN e 98% para Transfer Learning, utilizando Aumentação de Dados. Esses resultados sugerem que a aplicação da Aprendizagem de Máquina, fazendo uso de técnicas de Aumentação de dados, na classificação de exames manuscritos, pode ser uma ferramenta valiosa no diagnóstico da DP, tendo em vista dois diferenciais: [1°] o baixo custo e [2°] a velocidade na entrega do resultado, possibilitando que a grande maioria dos pacientes tenham acesso ao diagnóstico, desde o início da doença.
Descrição
Palavras-chave
Doença de Parkinson, Aprendizado de Máquina, Aumentação de dados, Método do estudo imanente, Parkinson's disease, Machine learning, Data augmentation, Immanent study method