パーキンソン病患者における深部脳刺激療法の転帰予測のためのビデオベース機械学習モデル

科学分野:

• 神経学; 生体医工学; 医療における機械学習

背景:

• 現在のパーキンソン病（PD）の深部脳刺激療法（DBS）候補者のスクリーニングは、主観的なレボドパ負荷試験（LCT）に依存しています。主観的な臨床評価尺度では、DBSを受けるPD患者の術後運動機能転帰の予測精度がLCTによって制限されます。DBSの効果の予測を改善するためには、客観的かつ定量的な指標が必要です。

研究 の 目的:

• PD患者のLCT中の客観的な運動評価のためのビデオベース機械学習モデルを開発および検証すること。運動機能データを活用して、二値（DBS+ / DBS-）および三値（DBS++ / DBS+ / DBS-）の術後運動機能転帰を予測すること。パーキンソン病におけるDBS手術のための術前スクリーニングと患者選択を改善すること。

主な方法:

• DBS手術を受けた70人のパーキンソン病患者を対象としました。術前のレボドパ負荷試験（LCT）のビデオ記録を、検証済みの運動評価ソフトウェアを使用して分析しました。客観的な運動機能指標（速度、振幅、安定性）を抽出し、二値および三値の転帰分類のための機械学習モデル（LDA）のトレーニングに使用しました。

主要な成果:

• 線形判別分析（LDA）は、二値分類（DBS+ / DBS-）で0.87、三値分類（効果層別化）で0.67のF1スコアを達成しました。従来の臨床予測因子のみを用いたベースラインモデルよりも、ビデオ由来の運動機能特徴を組み込んだモデルの方が優れた性能を示しました。速度駆動型の運動機能ドメインが主要な予測因子であり、軸索パラメータと非対称性のレボドパ反応が転帰の層別化に役立ちました。

結論:

• LCTのビデオベース機械学習分析は、パーキンソン病患者の客観的かつ定量的な運動反応性プロファイルを提供します。このアプローチは、従来の予測方法と比較して、深部脳刺激療法（DBS）の効果の予測を大幅に改善します。LCTの客観的な分析は、データ駆動型の患者選択と個別化された手術相談のための貴重な補完ツールとして機能します。