Loading...
2 results
Search Results
Now showing 1 - 2 of 2
- Disease Severity Index in Parkinson’s Disease Based on Self-Organizing MapsPublication . Araújo, Suellen Munique; Nery, Sabrina Beatriz Mendes; Magalhães, Bianca G.; Almeida, Kelson James; Gaspar, Pedro DinisParkinson’s disease is a progressive neurodegenerative condition whose prevalence has significantly increased. This work proposes the development of a severity index to classify patients from symptoms, mainly motor ones, using an Artificial Neuronal Network (ANN) trained by the Self-Organizing Maps (SOMs) algorithm. The FOX Insight database was used, which offers data in the form of questionnaires answered by patients or caregivers from all over the world, with information regarding this pathology. After pre-processing the data, a set of 597 questionnaires containing 28 defined questions was selected. The symptoms were individually analyzed after mapping and divided into four classes. In class 1, most symptoms were not present. In class 2, the presence of certain symptoms demonstrated early milestones of the disease. In class 3, symptoms related to the patient’s mobility, in particular pain, stand out among the most reported. In class 4, the intense presence of all symptoms is observed. To test the tool, data were used from some of these patients, who answered the same questionnaire at different times (simulating medical appointments). The presented severity index to classify patients allowed identifying the current stage of the disease allowing the follow-up. This AI-based decision-support tool can help medical professionals to predict the evolution of Parkinson’s disease, which can result in longer life quality of patients, in terms of symptoms and medication requirements.
- Índice de Gravidade para a Doença de Parkinson baseado em sintomas não motores por Mapas Auto-OrganizáveisPublication . Nery, Sabrina Beatriz Mendes; Gaspar, Pedro Miguel de Figueiredo Dinis Oliveira; Almeida, Kelson James; Magalhães, Bianca GonçalvesA Doença de Parkinson, um distúrbio neurodegenerativo progressivo que impacta o sistema motor, apresenta evidências de sintomas não motores manifestando-se até 10 anos antes dos sinais motores clássicos. Este contexto ressalta a importância da compreensão precoce desses sintomas não motores para a identificação e tratamento eficazes. Diante desse cenário, propõese neste trabalho o desenvolvimento de um índice de gravidade utilizando uma Rede Neuronal Artificial (RNA), treinada pelo algoritmo Self-Organizing Maps (SOM), utilizando o banco de dados FOX Insight, que fornece uma variedade de informações sobre a patologia. Após o préprocessamento dos dados, foram selecionados 41.892 questionários (pacientes), contendo 25 perguntas sobre os sintomas não motores, definidas em colaboração com um neurologista. Os sintomas foram examinados de forma individual e após o mapeamento foi realizada a divisão em quatro classes, representando diferentes estágios da doença. Esta abordagem visa fornecer uma ferramenta eficaz para classificação de pacientes com base nos seus sintomas não motores, possibilitando uma monitorização mais precisa e intervenções personalizadas ao longo da progressão da doença. A validação da ferramenta foi realizada utilizando dados de pacientes que responderam ao questionário em momentos espaçados, simulando consultas médicas. Este estudo alcançou com sucesso o objetivo de desenvolver um índice de gravidade da Doença de Parkinson baseado em sintomas não motores. Os resultados destacam a importância dos sintomas gastrointestinais e do trato urinário em diferentes níveis de gravidade, ressaltando a associação precoce dos sintomas urinários nos estágios iniciais da DP. A persistência do sintoma de dificuldade para dormir no grupo 3 sugere atenção especial nas fases iniciais da doença. Estes resultados realçam a relevância clínica e aplicabilidade prática do índice desenvolvido, embora seja necessário mais estudos com pacientes reais para validar essas conclusões.