Gait-Detecting算法可以帮助诊断帕金森病
科学家隶属于体育教育系的人体运动实验室(Movi-Lab)圣保罗州立大学(UNESP)在宝路,巴西,使用人工智能来帮助诊断帕金森病和评估其发展。
一篇文章发表在《步态和姿势报告的一项研究发现,机器学习算法确定的病例通过分析时空步态参数。
研究人员发现四个步态特征最重要的诊断帕金森病的目的:步长、速度、宽度和一致性(或宽度变化)。来判断疾病的严重程度,最重要的因素是一步宽度变化和双支撑时间(在此期间,双脚与地面接触)。
“我们的研究创新与科学文献相比,通过使用一个比以往更大的数据库用于诊断目的。因为我们选择步态参数的关键标准步态障碍出现早期帕金森病和恶化随着时间的推移,也因为他们不与生理参数如年龄、身高和体重,”法比奥·奥古斯托巴比里这篇文章的作者之一,告诉FAPESP,必须占州政府通讯社的记者巴比里是一个体育教育系教授UNESP学院的科学(FC)。
FAPESP通过三个项目(必须占州政府支持的研究14/20549-0,17/19516-8和20/01250-4)。
研究样本包括63名参与者Ativa帕金森的多学科项目系统化的帕金森患者在FC-UNESP进行体育活动,和63名健康对照组。所有志愿者都超过50岁。数据收集和输入存储库中使用机器学习过程为七年。
基线评估是由分析步态参数健康对照和比较他们这个年龄段的预期水平。这涉及到使用一种特殊的动作捕捉相机来衡量每个人的进步为长度、宽度、持续时间、速度、节奏、单,双支撑时间,以及可变性和不对称。
研究人员使用的数据创建两个不同的机器学习模型——一个用于疾病的诊断和估计病人的严重程度进行评估。科学家们在葡萄牙波尔图大学工程学院合作研究的一部分。
他们跑的数据通过六个算法:朴素贝叶斯(NB)、支持向量机(SVM),决策树(DT),随机森林(RF),逻辑回归(LR)和多层感知器(MLP)。NB诊断精度达到84.6%,而NB和射频表现最好在评估严重性。
“典型的临床评估精度约为80%。我们可以显著降低诊断错误的概率通过结合临床评估与人工智能,”巴比里说。
即将到来的挑战
帕金森病至少部分是由于神经细胞变性的大脑区域控制运动,由于缺乏多巴胺生产。多巴胺的神经递质信号传递到四肢。多巴胺水平低影响运动,产生震颤等症状,缓慢的步伐,刚度和可怜的平衡,以及改变演讲和写作。
诊断是目前基于病人的病史和神经系统检查,没有具体的测试。精确的信息不可用,但3% -4%的人口年龄超过65岁的人估计有帕金森症。
根据另一个合作者,博士生蒂亚戈Penedo,巴比里监督的研究,研究结果将有助于改善诊断评估在未来,但成本可能是一个抑制因素。“我们取得进展与数据库的工具,导致了扩张,但我们使用昂贵的设备,很难找到在诊所和医生的办公室,”他说。
研究中使用的设备成本约100000美元。“可能是分析步态和更便宜的技术,使用天文钟,力板等等,但是结果不准确,“Penedo说。
使用的技术研究有助于更好的理解疾病机制,特别是步态模式,研究人员认为。
较早的研究中,在2021年发表的一篇文章报道,去年作者与巴比里,证明低53%步长的协同作用而跨越障碍的帕金森患者比健康受试者同样的年龄和体重。协同作用在这种情况下是指运动或肌肉骨骼系统的能力适应运动,结合速度和脚位置等因素,而步进控制,例如(阅读更多:agencia.fapesp.br / 35563)。
另一项研究,也发表在步态和姿势显示,帕金森患者能够维持姿势控制和rambling-trembling稳定低于神经健康同行。作者说,这些发现提供了新的见解来解释更大、更快和更变量影响帕金森患者。
参考:费雷拉MIASN,巴比里FA,莫雷诺VC, Penedo T,塔瓦雷斯JMRS。机器学习模型帕金森病检测和基于时空阶段分类步态参数。步态姿势。2022;98:49-55。doi:10.1016 / j.gaitpost.2022.08.014
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
