A matéria discute a recente apresentação de um novo e inovador aplicativo de smartphone destinado a reconhecer de forma precisa os sinais físicos de AVC em pacientes, utilizando tecnologia avançada de aprendizado de máquina. Este progresso foi anunciado e debatido durante a 20ª Reunião Anual da Sociedade de Neurocirurgia Intervencionista (SNIS). Este aplicativo representa um avanço significativo no campo da tecnologia de saúde móvel, proporcionando uma ferramenta revolucionária que pode capacitar as pessoas a identificar e avaliar possíveis sinais de AVC o mais rápido possível, aumentando a chance de uma resposta rápida e eficaz.

Para desenvolver essa poderosa ferramenta, foi realizado um estudo intitulado 'Algoritmos de Aprendizado de Máquina Habilitados por Smartphone para Detecção Autônoma de AVC', pesquisadores da Escola de Medicina David Geffen da UCLA colaboraram estreitamente com várias instituições médicas localizadas na Bulgária. Eles reuniram dados de 240 pacientes tratados por AVC em quatro diferentes centros metropolitanos de AVC. Os dados foram coletados dentro de 72 horas do início dos sintomas dos pacientes.

O método principal utilizado pelos pesquisadores envolveu a gravação de vídeos dos pacientes por meio de smartphones e a execução de testes de força no braço. O objetivo desses testes era reconhecer sinais-chave de AVC, como assimetria facial, alterações na fala e fraqueza no braço. Para a assimetria facial, os pesquisadores usaram o aprendizado de máquina para analisar 68 pontos distintos de referência facial.

Para avaliar a fraqueza no braço, eles utilizaram dados do acelerômetro 3D embutido no smartphone. Além disso, eles também usaram o giroscópio e o magnetômetro do telefone, aproveitando efetivamente todas as capacidades internas padrão do dispositivo. Para detectar mudanças nos padrões de fala, eles utilizaram os coeficientes cepstrais de frequência mel - um método comum para reconhecimento de som que converte ondas sonoras em imagens. Isso permitiu que eles fizessem comparações úteis entre os padrões de fala normal e arrastada.

A próxima etapa foi testar o aplicativo. Foi feito comparando os resultados do aplicativo com os relatórios dos neurologistas e os dados de imagens cerebrais dos pacientes. Este rigoroso teste concluiu que o aplicativo exibiu sensibilidade e especificidade suficientes para diagnosticar um AVC com precisão na grande maioria dos casos. O Dr. Radoslav Raychev, neurologista vascular e neurointervencionista da Escola de Medicina David Geffen da UCLA, expressou sua empolgação com o potencial que o inovador aplicativo tem e a imensa ajuda que a emergente tecnologia de aprendizado de máquina pode trazer para avaliar rapidamente e com precisão os sintomas para possibilitar a sobrevivência ao AVC e recuperar a independência.