Apoio ao diagnóstico de Parkinson por inteligência artificial e sinais de voz

Abstract

A doença de Parkinson é uma patologia neurodegenarativa que afeta a capacidade motora e de fala, além de provocar alterações comportamentais, de humor e de raciocínio. Ela atinge, mais usualmente, população idosa e seu diagnóstico é feito por meio de um exame clínico, através da observação dos sintomas apresentados pelo paciente. Uma vez que os sintomas mais notórios costumam aparecerem estágios mais avançados da doença, o que dificulta o tratamento, e que o mundo vem passando por um processo de inversão da pirâmide etária, a tendência é que o Parkinson venha a se tornar um problema de saúde pública mundial. Dentro desse contexto, propostas para a utilização de sinais de voz como forma de diagnóstico precoce do Parkinson vêm obtendo resultados. Este trabalho propõe a utilização de técnicas de Aprendizado de Máquina no problema de classificação de sinais de voz para diagnóstico da doença de Parkinson. Fazendo uso de um conjunto de dados com áudios provenientes da fala de portadores e não portadores da patologia, obteve-se uma acurácia superior a 91% utilizando um comitê de classificadores que mescla características de modelos de Random Forest e Redes Neurais Convolucionais.