Resumo:
O estudo não apenas confirma que a DP afeta significativamente a percepção emocional, mas também demonstra que o EEG pode ser usado para identificar essas diferenças com alta precisão. O uso de técnicas de aprendizado de máquina e descritores avançados de EEG permite tanto a diferenciação entre DP e pessoas saudáveis quanto a compreensão dos déficits emocionais específicos da DP.
A Doença de Parkinson (DP) é uma condição neurodegenerativa que afeta o sistema nervoso central, comprometendo principalmente o controle motor. Pacientes com DP frequentemente apresentam tremores, rigidez muscular e lentidão de movimentos.
Além desses sintomas motores, a doença também causa impactos cognitivos, comportamentais e emocionais, afetando a qualidade de vida de mais de 10 milhões de pessoas em todo o mundo.
Essa condição está associada à perda progressiva de neurônios dopaminérgicos na substância negra, uma área do cérebro responsável pela regulação dos movimentos, mas que também desempenha papéis importantes na percepção emocional e cognitiva.
Pesquisas têm investigado como a DP influencia a percepção e o processamento emocional. Entre as ferramentas utilizadas, o eletroencefalograma (EEG) tem ganhado destaque.
O EEG mede a atividade elétrica do cérebro em tempo real, utilizando sensores colocados no couro cabeludo. Ele é amplamente reconhecido por ser uma técnica não invasiva, com alta precisão temporal e de fácil aplicação.
Tradicionalmente, o EEG é realizado em estado de repouso, onde o paciente permanece imóvel, muitas vezes com os olhos fechados em um ambiente controlado. Apesar disso, estudos recentes sugerem que o uso do EEG durante tarefas mais naturais e envolventes, como assistir a filmes ou ouvir músicas, pode fornecer insights mais representativos sobre a percepção emocional dos pacientes.
A capacidade de reconhecer emoções é essencial para a comunicação e as interações sociais. Estudos anteriores indicam que pacientes com DP têm dificuldade em identificar emoções, tanto positivas quanto negativas, em expressões faciais e no tom de voz (prosódia).
Além disso, eles apresentam uma resposta emocional reduzida a estímulos visuais intensos, como imagens emocionalmente carregadas. Essas limitações afetam diretamente as interações sociais e a qualidade de vida desses pacientes, dificultando o entendimento de emoções não expressas verbalmente.
Neste estudo, os pesquisadores buscaram explorar como pacientes com DP processam emoções e como essas respostas podem ser usadas para diagnosticar a doença. O conjunto de dados compreende sinais de EEG de 20 indivíduos PD não dementes (10 homens/10 mulheres) e 20 controles (9 homens/11 mulheres) do Hospital Universiti Kebangsaan Malaysia,
A coleta de dados envolveu a análise de EEG durante a realização de tarefas emocionais, como assistir a filmes ou ouvir músicas. Esses estímulos foram escolhidos porque são eficazes em despertar emoções variadas, permitindo uma avaliação mais detalhada da percepção emocional dos pacientes.
Ao invés de confiar apenas no estado de repouso, que pode ser artificial e limitado, os pesquisadores optaram por contextos mais realistas, nos quais as reações emocionais são mais espontâneas e representativas.
Os dados coletados do EEG foram processados usando descritores específicos que ajudam a capturar padrões cerebrais associados às emoções. Um dos métodos utilizados foi a análise de vetores de potência espectral (SPVs), que mede a intensidade das ondas cerebrais em diferentes faixas de frequência, como ondas alfa, beta e gama, cada uma associada a diferentes estados emocionais e cognitivos.
Outra abordagem foi o uso de padrões espaciais comuns (CSPs), que destacam as diferenças nos sinais cerebrais entre os grupos estudados: pacientes com DP e controles saudáveis (HCs).
Além disso, os pesquisadores criaram mapas visuais chamados topomapas, que mostram a distribuição espacial da atividade elétrica no cérebro, e também analisaram como essa atividade evolui ao longo do tempo durante as tarefas, criando descritores de “filmes” de EEG.
Para interpretar os dados, os pesquisadores aplicaram técnicas avançadas de aprendizado de máquina, incluindo redes neurais profundas. Esses algoritmos foram treinados para identificar padrões específicos nos sinais cerebrais que poderiam diferenciar pacientes com DP de indivíduos saudáveis e reconhecer as respostas emocionais associadas a diferentes categorias, como alegria, tristeza ou medo.
Essa análise também permitiu identificar dimensões emocionais mais amplas, como a valência, que se refere ao caráter agradável ou desagradável de uma emoção, e a excitação, que mede a intensidade emocional.
Os resultados revelaram que pacientes com DP apresentam dificuldade significativa em processar emoções relacionadas à valência, ou seja, identificar se algo é positivo ou negativo.
Em termos de categorias emocionais específicas, esses pacientes demonstraram maior precisão ao reconhecer tristeza, mas tiveram dificuldades em identificar emoções como medo, nojo e surpresa. Essas confusões foram confirmadas por análises que mostraram erros frequentes na interpretação de emoções opostas, como confundir estímulos positivos com negativos.
Além disso, os sinais cerebrais captados pelo EEG permitiram distinguir quase perfeitamente pacientes com DP de controles saudáveis. Isso sugere que o EEG pode ser uma ferramenta eficaz para o diagnóstico de DP, especialmente porque ele detecta respostas emocionais implícitas – aquelas que não dependem de autorrelatos dos pacientes, que podem ser subjetivos ou limitados.
Esse estudo demonstra que o EEG pode ser usado como uma ferramenta prática e sustentável para diagnosticar a DP e compreender suas implicações emocionais.
A análise de EEG em cenários mais realistas, como durante tarefas emocionais, oferece uma abordagem mais ecológica e representativa, evitando as limitações dos estudos baseados apenas em estado de repouso.
Essas descobertas não apenas destacam o potencial do EEG para identificar déficits emocionais relacionados à DP, mas também abrem caminho para o uso dessa tecnologia em diagnósticos clínicos mais precisos e no monitoramento do progresso da doença.
LEIA MAIS:
Exploring Electroencephalography-Based Affective Analysis and Detection of Parkinson’s Disease
RAVIKIRAN PARAMESHWARA, SOUJANYA NARAYANA, MURUGAPPAN MURUGAPPAN, IBRAHIM RADWAN, ROLAND GOECKE, and RAMANATHAN SUBRAMANIAN
INTELLIGENT COMPUTING. 17 Oct 2024. Vol 3. Article ID: 0084
DOI: 10.34133/icomputing.0084
Abstract:
While Parkinson’s disease (PD) is typically characterized by motor disorder, there is also evidence of diminished emotion perception in PD patients. This study examines the utility of electroencephalography (EEG) signals to understand emotional differences between PD and healthy controls (HCs), and for automated PD detection. Employing traditional machine learning and deep learning methods on multiple EEG descriptors, we explore (a) dimensional and categorical emotion recognition and (b) PD versus HC classification from multiple descriptors characterizing emotional EEG signals. Our results reveal that PD patients comprehend arousal better than valence and, among emotion categories, fear, disgust, and surprise less accurately, and sadness most accurately. Mislabeling analyses confirm confounds among opposite-valence emotions for PD data. Emotional EEG responses also achieve near-perfect PD versus HC recognition. Cumulatively, our study demonstrates that (a) examining implicit responses alone enables (i) discovery of valence-related impairments in PD patients and (ii) differentiation of PD from HC and that (b) emotional EEG analysis is an ecologically valid, effective, practical, and sustainable tool for PD diagnosis vis-à-vis self-reports, expert assessments, and resting-state analysis.
Comentarios