パーキンソン病における歩行と姿勢の症状の客観的な評価 ウェアラブルセンサーと機械学習を用いて

科学分野:

• 神経学
• 生物医学工学
• データサイエンス

背景:

• 歩行や姿勢の障害はパーキンソン病 (PD) の特徴的な症状であり,転倒のリスクを大幅に高めます.
• これらの症状の伝統的な臨床評価は主観的で時間がかかります.
• PDの症状を正確に評価するには 客観的で自動化された方法が必要です

研究 の 目的:

• パーキンソン病における 歩行や姿勢の症状の重さを ウェアラブルセンサーデータを用いて予測する
• PDに関連した歩行や姿勢の障害を評価するための客観的で効率的で自動化されたアプローチを開発する.
• 特定のMDS-UPDRS IIIの歩行と姿勢の項目のスコアを予測するための機械学習モデルを検証する.

主な方法:

• パーキンソン病の参加者225人から 標準的な歩行評価を採取した.
• MDS-UPDRS IIIの歩行と姿勢の項目のスコアを予測するために,極度のグラデーションブースト (XGBoost) とサポートベクトルマシン (SVM) のモデルを訓練した.
• 訓練 (80%) と独立テスト (20%) のランダムな分割が利用され,強度チェックの際には"回抜きクロス検証 (LOOCV) が使用された.

主要な成果:

• XGBoostモデルはSVMよりも優れた性能を示した.
• モデルでは,歩行と姿勢の5つの項目で80%以上の許容度を達成し,項目#3.9-#3.11で70%以上の絶対的精度を達成しました.
• "有効試験期間"と"Shank-Swing RoM-mean (最大) "のような主要な歩行特徴は,有意な臨床的相関関係で特定されました.

結論:

• ウェアラブルセンサーのデータは パーキンソン病の歩行や姿勢の症状を 効果的に客観的に評価できます
• この方法は,従来の臨床スケールに一貫して効率的な代替手段を提供します.
• このアプローチは臨床的意思決定を支援し,長期的,家庭ベースの症状モニタリングを可能にします.