Um grupo multidisciplinar de 16 cientistas da Universidade Federal do Rio Grande do Norte (UFRN) e do Instituto Santos Dumont (ISD) desenvolveu um invento que promete facilitar a identificação precoce da Esclerose Lateral Amiotrófica (ELA), reduzindo o tempo entre o surgimento dos sintomas e o diagnóstico. O equipamento propicia o monitoramento contínuo da progressão da ELA, possibilitando intervenções mais precisas e adaptadas às necessidades dos pacientes, estejam eles em ambientes clínicos, domiciliares ou ambulatoriais.

Dada sua originalidade, os pesquisadores realizaram a proteção intelectual e industrial através de um depósito de pedido de patente no mês de novembro, junto ao Instituto Nacional da Propriedade Industrial (INPI), sob o nome ‘Dispositivo de Coleta de Dados de EMGs e ACC, método de processamento dos dados e sistema para análise cinemática e de desempenho físico funcional de pessoas com Esclerose Lateral Amiotrófica’.

Uma das inventoras envolvidas, Ana Paula Mendonça Fernandes, mestranda do Programa de Pós-graduação em Fisioterapia, identifica que o equipamento será utilizado como ferramenta para otimizar o diagnóstico de pessoas com ELA, poderá dar um melhor suporte para que profissionais de saúde prescrevam exercícios individualizados e específicos para a condição de cada paciente. O projeto é fruto da dissertação feita por Fernandes, sob a orientação de Ana Raquel Rodrigues Lindquist, em uma parceria institucional entre a UFRN, no âmbito do Laboratório de Inovação Tecnológica em Saúde (LAIS), unidade da Universidade localizada no Hospital Universitário Onofre Lopes e o ISD.

Doutora em Ciências Fisiológicas e Pós-doutorado em Reabilitação de Pessoas com Deficiência Neurológica, Lindquist salienta que o sistema permite a aquisição de dados neuromusculares, por meio de um dispositivo portátil e de baixo custo. A tecnologia é capaz também de classificar e analisar sinais biológicos de forma não invasiva em pessoas com Esclerose Lateral Amiotrófica (ELA), por meio de uma rotina de comunicação com o computador. O sistema extrai e categoriza as características do sinal eletromiográfico utilizando algoritmos de aprendizagem de máquina para identificar biomarcadores como os níveis de fadiga muscular. “Dada a raridade da ELA, é fundamental aprofundar os estudos para ampliar o entendimento da doença. Acreditamos que a integração deste sistema ao Sistema Único de Saúde poderá facilitar o diagnóstico e ajudar na tomada de decisão terapêutica é promissora”, pontua Lindquist.