通过使用智能手机和机器学习进行10秒握放测试来查退行性宫骨髓病:试点研究
Takuya Ibara1, Ryota Matsui2, Takafumi Koyama3
1Department of Functional Joint Anatomy, Graduate School of Medical and Dental Sciences, Tokyo Medical and Dental University, Tokyo, Japan.
Digital health
|June 14, 2023
概括
一个基于智能手机的查工具用于退行性宫骨髓病 (DCM) 使用抓紧释放测试显示高准确度. 这种可访问的方法有助于在社区环境中早期检测.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 医疗保健中的机器学习
背景情况:
- 退行性宫骨髓病 (DCM) 需要早期检测才能进行有效的干预.
- 目前DCM的查方法通常很复杂,需要专门的设备,限制社区居民的可访问性.
- 需要一个简单,具有成本效益和用户友好的DCM选工具.
研究的目的:
- 为了研究一种新的DCM选系统的可行性,使用智能手机摄像头和10秒的抓取释放测试.
- 开发和验证一种机器学习算法,用于分析抓取释放测试数据以检测DCM.
- 评估该系统在社区查中的可用性和性能.
主要方法:
- 一组22名DCM患者和17名对照人进行了10秒的握放测试,通过智能手机摄像头记录.
- 使用支持矢量机 (SVM) 算法来估计DCM存在的概率.
- 使用灵敏度,特异性和曲线下的面积 (AUC) 评估模型性能;使用随机森林回归评估C-JOA和DASH得分的相关性.
主要成果:
- 开发的DCM查模型实现了90.9%的灵敏度,88.2%的特异性和0.93.3%的AUC.
- 该模型与已建立的临床评估有很强的相关性,与C-JOA得分有0.79的相关性,与DASH得分有0.67的相关性.
- 这些结果表明,在将DCM患者与对照患者区分开来方面表现出色.
结论:
- 基于智能手机的抓取释放测试与机器学习为DCM提供了一个非常有效和可用的选工具.
- 该系统为社区居民和非专业医疗保健提供者中早期DCM检测提供了一种实际解决方案.
- 这些发现支持这项技术在改善DCM诊断和管理可访问性方面的潜力.
