ParkCinesis: detector de bradicinesia da doença de Parkinson utilizando sensores inerciais e microcontrolador ESP32

Abstract

A Doença de Parkinson (DP) afeta cerca de 8,5 milhões de pessoas globalmente (KURTH & BRINKS, 2025), sendo a bradicinesia um sinal motor diagnóstico indispensável ao reconhecimento clínico (DAUER & PRZEDBORSKI, 2003). O diagnóstico clínico tradicional é subjetivo e dependente do examinador, limitando o acesso em regiões de baixa densidade tecnológica. Este trabalho propõe o ParkCinesis, sistema portátil baseado em sensor inercial MPU-6050 e o microcontrolador ESP WROOM-32 para quantificação objetiva da bradicinesia. O sistema adquire dados cinemáticos a 50Hz com resolução de 16 bits, processa sinais utilizando filtro passa baixa digital (42 Hz) e filtro de média móvel (8 amostras), calculando três parâmetros clinicamente validados: lentidão (velocidade angular média), amplitude (declínio percentual ao longo da tarefa) e ritmo (coeficiente de variação intervalar), pontuados segundo a escala MDS-UPDRS (0-4). A interface web local (Wi-Fi AP) exibe gráficos em tempo real sem necessidade de conexão externa. O protótipo validou-se mediante simulação de perfis clínicos baseados em Werner et al. (2019), demonstrando capacidade de discriminação entre estados motorizados normal, moderado e severo com custo total de R$ 358,00 e autonomia aproximada de 4 horas. O sistema oferece uma avaliação objetiva e portátil, contribuindo para o manejo precoce da DP em regiões com recursos limitados.

Parkinson's disease (PD) affects approximately 8.5 million people globally (KURTH & BRINKS, 2025), with bradykinesia being an indispensable diagnostic motor sign for clinical recognition (DAUER & PRZEDBORSKI, 2003). The traditional clinical diagnosis is subjective and dependent on the examiner, limiting access in regions with low technological density. This work proposes ParkCinesis, a portable system based on the MPU-6050 inertial sensor and the ESP WROOM-32 microcontroller for objective quantification of bradykinesia. The system acquires kinematic data at 50Hz with 16-bit resolution, processes signals using a digital low-pass filter (42 Hz) and a moving average filter (8 samples), calculating three clinically validated parameters clinically validated parameters: slowness (mean angular velocity), amplitude (percentage decline throughout the task), and rhythm (interval variation coefficient), scored according to the MDS-UPDRS scale (0-4). The local web interface (Wi-Fi AP) displays graphs in real time without the need for an external connection. The prototype was validated by simulating clinical profiles based on Werner et al. (2019), demonstrating the ability to discriminate between normal, moderate, and severe motor states at a total cost of R$ 358.00 and an approximate autonomy of 4 hours. The system offers an objective and portable assessment, contributing to the early management of PD in regions with limited resources.