ウェアラブルとスマートフォンのセンサーを用いたパーキンソン病の症状の機械学習ベースの評価

科学分野:

• 生物医学工学
• 計算神経科学
• デジタル・ヘルス

背景:

• パーキンソン病 (PD) の管理には,症状の重度の正確な評価が必要です.
• ウェアラブルやスマートフォンのセンサーは 継続的で客観的なデータ収集の 可能性を秘めています
• 現在のPDのモニタリング方法は主観的で稀です.

研究 の 目的:

• パーキンソン病の症状の重さを予測するための機械学習モデルを開発し評価する.
• ウェアラブルセンサ (MYOアームバンド) とスマートフォンからのデータの有用性を評価する.
• 臨床医の評価と患者の自己評価の有効性を比較する.

主な方法:

• 機械学習アルゴリズムを使って ウェアラブルデバイスやスマートフォンの センサーデータを分析しました
• 個々の症状の重症度 (震え,ブラディキネシア,硬直,不運動症) と患者全体の状態をモデル化した.
• 臨床医の評価と 患者の自己報告データを基地の真実のラベルとして使いました
• マルチモダルセンサーデータを組み合わせることで予測の精度に与える影響を調査した.

主要な成果:

• 最良のモデル性能は,MYOアームバンドとスマートフォンセンサーの両方のデータを統合することによって達成されました.
• 患者の自己評価をターゲットとして使用すると,臨床医の評価と比較して優れたモデル性能が得られました.
• 震えは最も正確に 予測された症状でした
• 他の症状の予測の正確さは,特に重度の高いレベルでは,データセットの不均衡と不足によって制限されていました.

結論:

• パーキンソン病の症状の予測の精度を大幅に高めています.
• 患者の自己評価はPDモニタリングの 機械学習モデルの貴重なターゲットです
• 症状の重度や種類を問わず,予測を改善するために,より大きく,よりバランスの取れたデータセットが必要です.