Utilização de técnicas de Machine Learning na classificação da doença de Parkinson

Abstract

A Parkinson é uma doença neurodegenerativa, progressiva que afeta principalmente o sistema nervoso central, afetando milhões de pessoas em todo o Mundo. Surge habitualmente em indivíduos acima de 65 anos e comumente diagnosticada através da apresentação dos seus sintomas motores. Segundo a Organização Mundial de Saúde (WHO), os números de óbitos devido à doença de Parkinson têm aumentado exponencialmente quando comparado com as outras doenças neurológicas. Algumas estimativas globais afirmam que, em 2019, esta doença sofreu um aumento de 81% desde 2000, causando cerca de 329000 óbitos. Deste modo, a implementação de mecanismos que sejam capazes de realizar um diagnóstico desta doença é importante para desenvolvimento da sociedade, e consequentemente para salvar vidas. Neste trabalho de dissertação implementaram-se três algoritmos de Machine Learning, com o objetivo de descobrir, através do seu desempenho, o quão eficientes são na deteção desta doença. Para a concretização da classificação proposta, numa primeira etapa foram escolhidos o conjunto de dados referentes à voz e os algoritmos que iriam ser aplicados neste contexto. Os resultados obtidos demonstram que o conjunto de dados apresenta precisões muito elevadas, como aconteceu com o algoritmo Logistic Regression, que demonstrou uma “perfeita” classificação do número de casos. No entanto, com aplicação da técnica SMOTE a precisão dos modelos baixou, mas, mesmo assim, apresentou um conjunto de resultado bastante confiável. Em ambas as abordagens o modelo que apresentou um melhor desempenho foi o baseado em Support Vector Machines. O sistema desenvolvido é capaz de classificar o número de casos com e sem doença, mas necessita da implementação híbrida de técnicas de seleção de características na primeira abordagem.

Parkinson's is a progressive neurodegenerative disease that primarily affects the central nervous system, affecting millions of people worldwide. It usually appears in individuals over the age of 65 and is commonly diagnosed through the presentation of its motor symptoms. According to the World Health Organization (WHO), the number of deaths due to Parkinson's disease has increased exponentially when compared to other neurological diseases. Some global estimates say that by 2019 this disease will have increased by 81% since 2000, causing 329000 deaths. Thus, the implementation of mechanisms that are able to perform a diagnosis of this disease is important for the development of society, and consequently to save lives. In this dissertation work, three Machine Learning algorithms were implemented with the objective of discovering, through their performance, how efficient they are in detecting this disease. To perform the proposed classification, in a first stage the dataset referring to the voice and the algorithms that would be applied in this context were chosen. The results obtained show that the data set presents very high accuracy, as is the case of the Logistic Regression algorithm, which demonstrated a "perfect" classification of the number of cases. However, with application of the SMOTE technique the accuracy of the models dropped, but still showed a very reliable set of results. In both approaches the model that performed best was Support Vector Machines. The developed system is able to classify the number of cases with and without disease but needs the hybrid implementation of feature selection techniques as a first approach.