Pesquisadores da Unesp e da Austrália pretendem agora criar um aplicativo para smartphone que facilite a detecção e o atendimento precoce ao paciente com AVC.

Doença é uma das maiores causas de morte no país, mas a rápida resposta médica pode minimizar seus danos.

O acidente vascular cerebral (AVC) — popularmente chamado de derrame cerebral — é uma das doenças que mais mata no Brasil. Somente em 2023, foram mais de 110 mil mortes no país, aproximadamente uma a cada cinco minutos, segundo a Sociedade Brasileira de AVC.

A identificação precoce dos sintomas pode ser crucial para reduzir o risco de morte e limitar os danos no tecido cerebral.

Especialistas afirmam que, com uma resposta médica eficaz em até três horas após o episódio é possível reverter a maior parte dos danos.

O atendimento inicial a este paciente, entretanto, nem sempre é realizado por indivíduos capazes de identificar o AVC, e a literatura científica mostra que mesmo socorristas têm dificuldades em identificar seus sinais mais sutis.

Cientes desse cenário, um grupo de pesquisadores da Faculdade de Ciências da Unesp, no câmpus de Bauru, e da Faculdade de Engenharia do Instituto Real de Tecnologia de Melbourne (RMIT), na Austrália, desenvolveu uma ferramenta piloto que se mostrou eficaz em identificar se uma pessoa teve ou está prestes a ter um AVC com base em suas expressões faciais.

O AVC ocorre quando há uma interrupção súbita do fluxo sanguíneo no cérebro, impedindo que o órgão receba oxigênio e nutrientes. Isso pode causar danos permanentes às células na área afetada e, em alguns casos, comprometer a capacidade do paciente em executar tarefas tidas como cotidianas pelo resto da vida.

Em geral, indivíduos prestes a ter um AVC apresentam sinais faciais bastante sutis, como dificuldade para levantar um dos lados da boca ao sorrir, perda parcial ou total do controle dos movimentos faciais e dificuldade para falar.

Saber reconhecer esses sintomas permite que o paciente seja levado mais rapidamente ao hospital e receba tratamentos adequados para restaurar funções, movimentos e a fala.

Codificando movimentos do rosto

A tecnologia desenvolvida pelos pesquisadores da Unesp e do RMIT utiliza algoritmos de inteligência artificial (IA) para escanear o rosto de pacientes e determinar se ele teve ou está tendo um acidente vascular.

A ferramenta analisa movimentos faciais específicos, categorizados na década de 1970 pelos cientistas norte-americanos Paul Ekman e Wallace Friesen, que desenvolveram um sistema de mensuração científica dos movimentos faciais humanos chamado FACS (ou Facial Action Coding System, em inglês).

O FACS classifica os movimentos faciais com base na contração e no relaxamento dos músculos da face. Cada componente observável desses movimentos corresponde a uma Unidade de Ação, e cada Unidade de Ação corresponde ao movimento de um ou mais músculos faciais.

A combinação de diferentes unidades representa diferentes expressões, como levantar as sobrancelhas, sorrir com os lábios ou fingir soprar uma vela.

Os pesquisadores da Unesp e da Austrália codificaram as Unidades de Ação do rosto de onze indivíduos saudáveis e de 14 que tinham sofrido um AVC com base em vídeos de pacientes reais disponíveis em um banco de dados da Universidade de Toronto, no Canadá.

Em seguida, usaram essas informações para treinar o algoritmo a conseguir diferenciar as Unidades de Ação de indivíduos saudáveis daqueles que acometidos pelo AVC.

Em geral, os músculos faciais das pessoas que tiveram um acidente vascular se tornam unilaterais, de modo que um lado da face se comporta de maneira diferente do outro, diz o cientista da computação João Paulo Papa, da Faculdade de Ciências da Unesp, um dos autores de um artigo publicado em junho na revista Computer Methods and Programs in Biomedicine apresentando os resultados do estudo piloto com a nova ferramenta.

Os cientistas então colocam o sistema para analisar os vídeos novamente. Os resultados indicam que o modelo de IA identificou corretamente 82% dos casos.

A principal vantagem do uso dessa estratégia é que ela fornece uma avaliação baseada em alterações clinicamente observáveis, destaca Papa.

Embora os resultados sejam promissores, os autores afirmam que o modelo não pretende substituir os testes de diagnóstico clínico atualmente usados para diagnosticar a doença.

Nossa intenção é ajudar na identificação precoce dos sintomas e agilizar o atendimento médico, afirma Papa.