Interpretable Multiclass Parkinson’s Disease Classification from Single-Camera Video Using Kinematic and Nonlinear Dynamic Features

Resumo Técnico: Classificação Multiclasse Interpretável de Doença de Parkinson via Vídeo de Câmera Única

Definição do Problema
A doença de Parkinson (DP) é um distúrbio neurológico progressivo caracterizado por sintomas motores, como comprometimento da marcha, bradicinesia e rigidez. Embora escalas clínicas como a UPDRS sejam o padrão para avaliação, elas são subjetivas e frequentemente insensíveis a alterações sutis na marcha. Métodos objetivos existentes, como captura de movimento e plataformas de força, são precisos, mas caros e impraticáveis para uso rotineiro. Abordagens baseadas em visão oferecem uma alternativa sem contato, porém a literatura atual enfrenta três lacunas persistentes:

1. A maioria dos estudos aborda a detecção de DP como uma tarefa binária (DP vs. Saudável), negligenciando a tarefa clinicamente crítica de estadiamento de severidade (ex: distinguir DP leve de moderada).
2. Embora métricas de dinâmica não linear (ex: dimensão fractal, entropia) tenham sido validadas como biomarcadores sensíveis, sua integração em um pipeline de classificação multiclasse interpretável permanece inexplorada.
3. Conjuntos de dados de marcha de DP publicamente disponíveis são tipicamente pequenos, desbalanceados e carecem de diversidade, levando a um alto risco de estimativas de desempenho otimistas se os protocolos de avaliação não forem rigorosamente desenhados para evitar o vazamento de dados (data leakage).

Metodologia
Os autores propõem um framework de câmera única e sem marcadores (markerless) que extrai características cinemáticas e de dinâmica não linear de vídeo para classificar a marcha em três categorias: Saudável (NM), DP Leve (PD_ML) e DP Moderada (PD_MD).

• Aquisição e Pré-processamento de Dados: O estudo utiliza um conjunto de dados público (Kour et al., 2020, 2022) contendo 78 amostras de vídeo utilizáveis (57 NM, 10 PD_ML, 11 PD_MD). Os vídeos foram gravados a 25 fps usando uma câmera RGB fixa. A estimativa de pose foi realizada utilizando o MediaPipe Holistic para extrair 33 marcos anatômicos, focando em articulações de membros superiores e inferiores.
• Extração de Características:
  • Características Cinemáticas: Seis descritores ao nível da passada, incluindo tempo de passada, tempo de balanço, tempo de apoio, comprimento da passada e velocidade da passada.
  • Características de Dinâmica Não Linear (NLD): Quatro métricas computadas a partir de séries temporais de coordenadas 2D das articulações: Expoente de Hurst (H), Complexidade de Lempel–Ziv (LZC), Análise de Flutuação Detendida (DFA) e Dimensão de Box-Counting (D).
  • Isso resultou em um espaço de características inicial de 46 dimensões (40 NLD + 6 Cinemáticas).
• Seleção de Características: Para lidar com o pequeno tamanho da amostra e evitar o sobreajuste (overfitting), os autores empregaram um pipeline rigoroso de validação cruzada aninhada (nested cross-validation). A seleção de características foi realizada usando critérios de Mínimos Quadrados Ordinários (OLS) (Mallows' Cp, AIC, BIC, R² Ajustado) em um alvo binário temporariamente recodificado (NM vs. PD) para identificar subconjuntos ideais. Isso gerou três conjuntos fixos de características:
  • Caso 1: 7 características (Cp/BIC)
  • Caso 2: 9 características (AIC)
  • Caso 3: 19 características (R² Ajustado)
• Treinamento e Avaliação de Modelos: Três modelos de aprendizado de máquina foram avaliados: Floresta Aleatória (RF), Máquina de Vetores de Suporte (SVM) com kernel RBF e uma Rede Neural de Alimentação Direta (NN).
  • Protocolo de Validação: Foi utilizada uma validação cruzada k-fold estratificada repetida (10 repetições). Crucialmente, todos os passos de pré-processamento (escalonamento, SMOTE para balanceamento de classes) foram realizados apenas dentro dos folds de treinamento para evitar vazamento de informação.
  • Interpretabilidade: A importância das características foi analisada usando Importância por Permutação (para RF) e valores SHAP (para SVM e NN).
  • Estudo de Ablação: Os modelos foram testados em conjuntos de características apenas Cinemáticas, apenas NLD e Combinados.

Principais Contribuições

1. Estadiamento de Severidade Multiclasse: O trabalho demonstra a viabilidade de distinguir entre estágios saudável, leve e moderado de DP usando características de marcha estimadas por pose, indo além da detecção binária.
2. Integração de Dinâmica Não Linear: O estudo identifica que os descritores de dinâmica não linear, particularmente aqueles derivados de articulações distais (pulso, tornozelo, cotovelo), constituem a maioria das características selecionadas e servem como fortes candidatos a biomarcadores para a variabilidade da marcha na DP.
3. Framework de Avaliação Rigoroso: Os autores implementam um pipeline de validação cruzada aninhada estrito que confina a seleção de características e o reamostragem dentro dos folds, garantindo uma estimativa de desempenho imparcial em um ambiente de escassez de dados.

Resultos

• Desempenho: No conjunto de teste mantido fora (held-out test set) (aprox. 16 amostras), todos os modelos alcançaram alta acurácia.
  • Caso 2 (9 características): Todos os três modelos (RF, SVM, NN) alcançaram 100% de acurácia e precisão/recall perfeitos em todas as classes no conjunto de teste.
  • Casos 1 & 3: Os modelos alcançaram 93,75% de acurácia, com erros ocorrendo principalmente na distinção das classes minoritárias (PD_ML ou PD_MD).
  • Validação Cruzada: O SVM com kernel RBF alcançou a maior acurácia média de validação cruzada (0,8366), enquanto a Rede Neural alcançou acurácia semelhante (0,8338) com menor variância.
• Importância das Características:
  • As características de dinâmica não linear dominaram os subconjuntos selecionados (variando de 71% a 84% das características nos casos).
  • Os principais contribuintes incluíram o comprimento da passada (cinemática) e métricas NLD como o expoente de Hurst (pulso), complexidade de Lempel-Ziv (tornozelo) e DFA (joelho/ombro).
  • Estudos de ablação mostraram que, embora as características cinemáticas impulsionassem a acurácia em conjuntos menores, o conjunto de características combinado consistentemente forneceu o desempenho mais estável e equilibrado (maior Macro-F1 e AUC).
• Eficiência Computacional: O SVM demonstrou os menores tempos de treinamento e inferência, tornando-o adequado para aplicações em tempo real. As Redes Neurais incorreram em custos computacionais significativamente maiores, mas permaneceram dentro de limites aceitáveis para uso clínico offline.

Significância e Alegações
O artigo afirma fornecer uma base para a avaliação da marcha escalável e assistida por IA no cuidado de saúde neuromotora. Sua principal significância reside em demonstrar que a classificação multiclasse interpretável da marcha Parkinsoniana é alcançável usando vídeo de câmera única padrão, sem hardware especializado.

Os autores observam modestamente que, embora os resultados sejam promissores, a natureza pequena e desbalanceada do conjunto de dados limita a força das alegações de generalização. Eles enfatizam que as métricas não lineares funcionam como descritores empíricos da variabilidade da marcha, em vez de explicações mecanísticas de processos neurológicos. Consequentemente, o estudo defende trabalhos futuros envolvendo coortes maiores e independentes, bem como a integração de covariáveis demográficas (idade, altura) para validar esses achados e refinar a utilidade clínica desses biomarcadores digitais. O framework é apresentado como uma plataforma versátil extensível a outras patologias da marcha, unindo a lacuna entre a complexa dinâmica da marcha e insights clínicos acionáveis.