Desenvolvido pela Unicamp com apoio de universidades americanas, programa busca acelerar e melhorar diagnóstico do transtorno
Profissionais
da área da Psicologia poderão contar em alguns anos com uma ferramenta
de análise computacional para realizar a triagem de crianças com
transtorno do espectro autista (TEA) com maior precisão. Um grupo de
pesquisadores da University of Minnesota e da Duke University, nos
Estados Unidos, em colaboração com colegas do Instituto de Computação da
Universidade Estadual de Campinas (Unicamp), desenvolveu um software
para análise automatizada de vídeos de testes de triagem de autismo.
Alguns dos resultados das análises dos testes feitas pelo software foram descritos na edição de junho da revista Autism Research and Treatment.
“A ideia é que o software possa contribuir para aumentar a acurácia da triagem de crianças com autismo”, disse Thiago Vallin Spina, estudante de doutorado no Instituto de Computação da Unicamp e um dos autores do projeto, à Agência Fapesp.
“Nossa meta é ter uma versão do software que possa ser utilizada em escolas de educação infantil, por exemplo, para realizar a triagem de crianças com suspeita de autismo com maior precisão e encaminhá-las para a realização do diagnóstico por especialistas o mais cedo possível”, afirmou Spina, que faz doutorado com bolsa da Fapesp e orientação do professor Alexandre Xavier Falcão.
De acordo com Spina, estudos recentes apontam que muitas crianças com TEA apresentam marcadores comportamentais indicativos de autismo logo no primeiro ano de vida, tais como a dificuldade de desviar o olhar de um determinado ponto para rastrear um estímulo visual.
A fim de tentar detectar mais precocemente esses distúrbios no desenvolvimento infantil – e iniciar uma intervenção clínica intensiva – são feitos comumente três tipos de testes comportamentais, baseados na Escala de Observação de Autismo para Lactentes (AOSI, na sigla em inglês), para avaliar a atenção visual da criança.
No primeiro teste, um brinquedo sonoro é chacoalhado ao lado esquerdo da criança e, em seguida, outro brinquedo é balançado ao lado direito, a fim de avaliar o tempo que ela leva para responder ao segundo estímulo por meio do desvio do olhar.
Já no segundo teste, um brinquedo é movido horizontalmente próximo ao rosto e no campo de visão da criança, para verificar se há algum atraso em rastrear o movimento do objeto. E no terceiro teste, uma bola é rolada em direção à criança com intuito de verificar se a criança pega a bola e estabelece contato visual e interação social com o especialista.
O problema é que esses testes ocorrem em tempo real e durante sua realização o profissional precisa não apenas controlar o estímulo, como também contar o tempo que a criança leva para reagir, o que torna o diagnóstico impreciso, segundo Spina. “O tempo de atraso da criança para reagir aos estímulos considerado nestas medidas de atenção visual é de um a dois segundos”, disse.
“Por isso, o diagnóstico de TEA por meio desses testes depende em grande parte da experiência e acurácia do especialista em identificar com precisão o tempo de atraso na resposta da criança ao estímulo”, disse Spina.
Medições automáticas
Para tentar aumentar a precisão dos resultados, os pesquisadores desenvolveram algoritmos (sequências de comandos) de processamento de imagens e de visão computacional, que fazem medições automáticas da atenção visual de crianças durante os testes comportamentais de triagem de TEA a partir da gravação de vídeos das sessões de avaliação.
Para isso, utilizaram gravações de vídeos de testes comportamentais durante sessões de avaliação de TEA realizados por Amy Esler, professora de Pediatria na University of Minnesota, com um grupo de 12 crianças, com idade entre 5 e 18 meses, indicadas para realização dos testes. As gravações foram feitas durante o estágio de pesquisa de Spina na universidade norte-americana, no grupo do professor Guillermo Sapiro.
“Colocamos duas câmeras convencionais de alta resolução na sala onde foram realizadas as sessões de avaliação, sendo uma posicionada no centro da mesa da professora Esler e com foco direcionado para a lateral das crianças, e outra em um canto da sala, para obter uma visão geral do comportamento das crianças durante as sessões”, contou Spina.
O software foi capaz de rastrear a direção do rosto das crianças participantes dos testes comportamentais de atenção visual. Para fazer isso, o sistema computacional identificou, inicialmente, a direção dos olhos e do nariz das crianças no primeiro quadro (frame) do vídeo dos testes em relação ao objeto apresentado a elas.
Por meio de algoritmos de visão computacional, o software avaliou se a direção dos olhos e do nariz das crianças se repetia ou mudava nos quadros seguintes do vídeo. Dessa forma, conseguiu estabelecer vetores de movimento dos olhos e do nariz da criança de um quadro para outro e, por meio de medidas geométricas, estimar em que direção ela estava olhando durante os testes em relação aos objetos – se em direção a eles ou não.
“Como sabia em que direção a criança estava olhando no primeiro quadro do vídeo e qual a posição do objeto, o software foi capaz de rastrear os movimentos dos olhos da criança e indicar se apresentavam ou não um correlação com a direção do brinquedo”, explicou Spina.
Os resultados das análises dos vídeos feitas pelo software foram comparados com a avaliação clínica feita por Esler com base na observação em tempo real dos testes e nos próprios vídeos – sem terem passado pelas análises do software – e com as de dois estudantes de graduação em Psicologia e uma psicóloga não especializada em autismo.
A comparação mostrou que o programa foi capaz de detectar sinais comportamentais indicativos de autismo tão bem quanto a especialista e melhor do que a psicóloga e os estudantes de Psicologia.
“O programa permite registrar os tempos de reação da criança a um estímulo visual com até décimos de segundo, uma vez que cada segundo de um vídeo tem 30 quadros”, explicou Spina.
Possíveis contribuições
O software representa uma primeira etapa de um projeto de longo prazo, desenvolvido por um grupo multidisciplinar de pesquisadores das áreas de Psicologia, visão computacional e aprendizado de máquina, que visa desenvolver ferramentas de baixo custo, automáticas e de análise quantitativa de dados, que podem ser úteis para identificar crianças com TEA mais precocemente.
Apesar de os sintomas do autismo surgirem muitas vezes cedo e o distúrbio comportamental poder ser diagnosticado nos primeiros anos de vida, a idade média de diagnóstico de TEA em países como os Estados Unidos é próxima aos 5 anos, apontam os autores do artigo.
“O software poderá contribuir para os profissionais da área de Psicologia e pesquisadores em TEA na identificação de marcadores de risco de autismo por meio de análises de grandes quantidades de vídeos do comportamento natural da criança em casa ou na escola ou das próprias sessões de avaliação clínica”, disse Spina.
“Além disso, abre portas para a melhoria dos protocolos de avaliação em curso e para descoberta de novas características de comportamento de crianças com TEA, aumentando a granularidade das análises e fornecendo dados em uma escala mais fina”, avaliou.
Em sua pesquisa de doutorado, Spina utiliza algoritmos para analisar a partir de vídeos um comportamento motor de posicionamento e movimento de braços identificado como um possível novo sinal característico de autismo.
Denominada assimetria dos braços, o comportamento foi identificado durante estudos realizados nos últimos anos com crianças com autismo com entre 18 meses e 24 meses de idade.
Os autores do estudo identificaram que, diferentemente do andar de crianças sem autismo – cujos braços tendem a ficar ao lado do corpo, em uma posição simétrica e com movimento de balanço – as crianças com autismo apresentam um posicionamento assimétrico dos braços, com um estendido e outro flexionado na horizontal e para frente.
“Desenvolvemos um software para medir esse comportamento motor específico. A ideia é expandir sua aplicação para medir outros movimentos que também são bastante característicos de crianças com TEA, como o balanço do tronco para frente e para trás”, contou Spina.
Já o grupo de pesquisadores da Duke University desenvolve um aplicativo para tablet que pretende substituir a forma como os testes de atenção visual são feitos hoje. O objetivo é imitar os mesmos tipos de interações que os testes com brinquedos e bolas medem, mas sem a necessidade de utilizar os objetos.
“Eles estão discutindo quais tipos de comportamentos indicativos de autismo poderiam ser identificados por esse aplicativo para tablet”, contou Spina, que não participa diretamente do projeto. “Pretendemos dar continuidade à cooperação com o Sapiro na Duke University em projeto conjunto após o fim do meu doutorado.”
O artigo Computer vision tools for low-cost and noninvasive measurement of autism-related behaviors in infants (doi: 10.1155/2014/935686), de Spina e outros, pode ser lido na revista Autism Research and Treatment.
Alguns dos resultados das análises dos testes feitas pelo software foram descritos na edição de junho da revista Autism Research and Treatment.
“A ideia é que o software possa contribuir para aumentar a acurácia da triagem de crianças com autismo”, disse Thiago Vallin Spina, estudante de doutorado no Instituto de Computação da Unicamp e um dos autores do projeto, à Agência Fapesp.
“Nossa meta é ter uma versão do software que possa ser utilizada em escolas de educação infantil, por exemplo, para realizar a triagem de crianças com suspeita de autismo com maior precisão e encaminhá-las para a realização do diagnóstico por especialistas o mais cedo possível”, afirmou Spina, que faz doutorado com bolsa da Fapesp e orientação do professor Alexandre Xavier Falcão.
De acordo com Spina, estudos recentes apontam que muitas crianças com TEA apresentam marcadores comportamentais indicativos de autismo logo no primeiro ano de vida, tais como a dificuldade de desviar o olhar de um determinado ponto para rastrear um estímulo visual.
A fim de tentar detectar mais precocemente esses distúrbios no desenvolvimento infantil – e iniciar uma intervenção clínica intensiva – são feitos comumente três tipos de testes comportamentais, baseados na Escala de Observação de Autismo para Lactentes (AOSI, na sigla em inglês), para avaliar a atenção visual da criança.
No primeiro teste, um brinquedo sonoro é chacoalhado ao lado esquerdo da criança e, em seguida, outro brinquedo é balançado ao lado direito, a fim de avaliar o tempo que ela leva para responder ao segundo estímulo por meio do desvio do olhar.
Já no segundo teste, um brinquedo é movido horizontalmente próximo ao rosto e no campo de visão da criança, para verificar se há algum atraso em rastrear o movimento do objeto. E no terceiro teste, uma bola é rolada em direção à criança com intuito de verificar se a criança pega a bola e estabelece contato visual e interação social com o especialista.
O problema é que esses testes ocorrem em tempo real e durante sua realização o profissional precisa não apenas controlar o estímulo, como também contar o tempo que a criança leva para reagir, o que torna o diagnóstico impreciso, segundo Spina. “O tempo de atraso da criança para reagir aos estímulos considerado nestas medidas de atenção visual é de um a dois segundos”, disse.
“Por isso, o diagnóstico de TEA por meio desses testes depende em grande parte da experiência e acurácia do especialista em identificar com precisão o tempo de atraso na resposta da criança ao estímulo”, disse Spina.
Medições automáticas
Para tentar aumentar a precisão dos resultados, os pesquisadores desenvolveram algoritmos (sequências de comandos) de processamento de imagens e de visão computacional, que fazem medições automáticas da atenção visual de crianças durante os testes comportamentais de triagem de TEA a partir da gravação de vídeos das sessões de avaliação.
Para isso, utilizaram gravações de vídeos de testes comportamentais durante sessões de avaliação de TEA realizados por Amy Esler, professora de Pediatria na University of Minnesota, com um grupo de 12 crianças, com idade entre 5 e 18 meses, indicadas para realização dos testes. As gravações foram feitas durante o estágio de pesquisa de Spina na universidade norte-americana, no grupo do professor Guillermo Sapiro.
“Colocamos duas câmeras convencionais de alta resolução na sala onde foram realizadas as sessões de avaliação, sendo uma posicionada no centro da mesa da professora Esler e com foco direcionado para a lateral das crianças, e outra em um canto da sala, para obter uma visão geral do comportamento das crianças durante as sessões”, contou Spina.
O software foi capaz de rastrear a direção do rosto das crianças participantes dos testes comportamentais de atenção visual. Para fazer isso, o sistema computacional identificou, inicialmente, a direção dos olhos e do nariz das crianças no primeiro quadro (frame) do vídeo dos testes em relação ao objeto apresentado a elas.
Por meio de algoritmos de visão computacional, o software avaliou se a direção dos olhos e do nariz das crianças se repetia ou mudava nos quadros seguintes do vídeo. Dessa forma, conseguiu estabelecer vetores de movimento dos olhos e do nariz da criança de um quadro para outro e, por meio de medidas geométricas, estimar em que direção ela estava olhando durante os testes em relação aos objetos – se em direção a eles ou não.
“Como sabia em que direção a criança estava olhando no primeiro quadro do vídeo e qual a posição do objeto, o software foi capaz de rastrear os movimentos dos olhos da criança e indicar se apresentavam ou não um correlação com a direção do brinquedo”, explicou Spina.
Os resultados das análises dos vídeos feitas pelo software foram comparados com a avaliação clínica feita por Esler com base na observação em tempo real dos testes e nos próprios vídeos – sem terem passado pelas análises do software – e com as de dois estudantes de graduação em Psicologia e uma psicóloga não especializada em autismo.
A comparação mostrou que o programa foi capaz de detectar sinais comportamentais indicativos de autismo tão bem quanto a especialista e melhor do que a psicóloga e os estudantes de Psicologia.
“O programa permite registrar os tempos de reação da criança a um estímulo visual com até décimos de segundo, uma vez que cada segundo de um vídeo tem 30 quadros”, explicou Spina.
Possíveis contribuições
O software representa uma primeira etapa de um projeto de longo prazo, desenvolvido por um grupo multidisciplinar de pesquisadores das áreas de Psicologia, visão computacional e aprendizado de máquina, que visa desenvolver ferramentas de baixo custo, automáticas e de análise quantitativa de dados, que podem ser úteis para identificar crianças com TEA mais precocemente.
Apesar de os sintomas do autismo surgirem muitas vezes cedo e o distúrbio comportamental poder ser diagnosticado nos primeiros anos de vida, a idade média de diagnóstico de TEA em países como os Estados Unidos é próxima aos 5 anos, apontam os autores do artigo.
“O software poderá contribuir para os profissionais da área de Psicologia e pesquisadores em TEA na identificação de marcadores de risco de autismo por meio de análises de grandes quantidades de vídeos do comportamento natural da criança em casa ou na escola ou das próprias sessões de avaliação clínica”, disse Spina.
“Além disso, abre portas para a melhoria dos protocolos de avaliação em curso e para descoberta de novas características de comportamento de crianças com TEA, aumentando a granularidade das análises e fornecendo dados em uma escala mais fina”, avaliou.
Em sua pesquisa de doutorado, Spina utiliza algoritmos para analisar a partir de vídeos um comportamento motor de posicionamento e movimento de braços identificado como um possível novo sinal característico de autismo.
Denominada assimetria dos braços, o comportamento foi identificado durante estudos realizados nos últimos anos com crianças com autismo com entre 18 meses e 24 meses de idade.
Os autores do estudo identificaram que, diferentemente do andar de crianças sem autismo – cujos braços tendem a ficar ao lado do corpo, em uma posição simétrica e com movimento de balanço – as crianças com autismo apresentam um posicionamento assimétrico dos braços, com um estendido e outro flexionado na horizontal e para frente.
“Desenvolvemos um software para medir esse comportamento motor específico. A ideia é expandir sua aplicação para medir outros movimentos que também são bastante característicos de crianças com TEA, como o balanço do tronco para frente e para trás”, contou Spina.
Já o grupo de pesquisadores da Duke University desenvolve um aplicativo para tablet que pretende substituir a forma como os testes de atenção visual são feitos hoje. O objetivo é imitar os mesmos tipos de interações que os testes com brinquedos e bolas medem, mas sem a necessidade de utilizar os objetos.
“Eles estão discutindo quais tipos de comportamentos indicativos de autismo poderiam ser identificados por esse aplicativo para tablet”, contou Spina, que não participa diretamente do projeto. “Pretendemos dar continuidade à cooperação com o Sapiro na Duke University em projeto conjunto após o fim do meu doutorado.”
O artigo Computer vision tools for low-cost and noninvasive measurement of autism-related behaviors in infants (doi: 10.1155/2014/935686), de Spina e outros, pode ser lido na revista Autism Research and Treatment.
Agência FAPESP / Saúde Web
Nenhum comentário:
Postar um comentário