Más allá de la tabla de clasificación: Evaluar la solidez de los modelos de aprendizaje profundo para detectar el...

Área de la Ciencia:

• Ingeniería Biomédica Ingeniería Biomédica.
• Neurología Neurología.
• Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

• La congelación de la marcha (FOG) es un síntoma prevalente y incapacitante en la enfermedad de Parkinson (EP).
• Falta una cuantificación objetiva de la FOG, lo que dificulta la investigación y las intervenciones clínicas.
• Los sensores y algoritmos portátiles ofrecen una solución potencial, pero la anotación de video es el estándar de oro actual.

Objetivo del estudio:

• Desarrollar y evaluar algoritmos de aprendizaje automático basados en la aceleración para la detección automática de FOG.
• Evaluar la transferibilidad de los algoritmos ganadores de un concurso global a un nuevo conjunto de datos del mundo real.
• Para comparar el rendimiento del algoritmo con las anotaciones de video de expertos (estándar de oro).

Principales métodos:

• Se llevó a cabo un concurso global de aprendizaje automático para crear algoritmos de detección de FOG.
• Los modelos ganadores fueron probados con datos de aceleración de un sensor de espalda baja usado por 12 pacientes con EP.
• El rendimiento se evaluó utilizando puntuaciones F1, precisión, recuerdo, especificidad, precisión y correlaciones intraclase.

Principales resultados:

• Algunos modelos mostraron una caída significativa de rendimiento en el nuevo conjunto de datos.
• El modelo de tercer lugar demostró una buena transferibilidad, con un rendimiento comparable o mejor que la confiabilidad entre los evaluadores.
• El modelo de tercer lugar estimó con precisión la duración de la congelación y el porcentaje de tiempo congelado.

Conclusiones:

• Un solo sensor de espalda baja combinado con el modelo de tercer lugar puede detectar de manera confiable la duración de la congelación y el porcentaje de tiempo congelado en pacientes con EP.
• El recuento preciso de episodios o la detección del subtipo FOG pueden requerir sensores adicionales o modelado avanzado.
• Este enfoque facilita la cuantificación objetiva de FOG, ayudando a la investigación y el tratamiento de PD.