相关实验视频
Updated: Jul 20, 2025

Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
基于精密医学的机器学习分析,以探索膝关节骨关节炎患者的最佳运动疗法:随机森林信息树基学习
Siyeon Kim1, Michael R Kosorok1, Liubov Arbeeva2
1S. Kim, MA, M.R. Kosorok, PhD, Department of Biostatistics, Gillings School of Global Public Health, University of North Carolina at Chapel Hill, Chapel Hill, North Carolina.
机器学习识别了患者的特征,如年龄,BMI和对运动的恐惧,以个性化膝关节骨关节炎治疗. 定制干预措施,如基于互联网的炼训练或物理治疗,改善了患者的结果,而不是一种适合所有人的方法.
科学领域:
- 精准医学是一门精准的医学.
- 机器学习在医疗保健中的应用
- 骨关节炎的研究研究.
背景情况:
- 膝关节骨关节炎 (KOA) 管理通常涉及物理治疗 (PT) 或基于互联网的运动训练 (IBET).
- 确定从特定干预中获益最多的患者子组对于优化治疗疗效至关重要.
- 以前的方法往往缺乏个性化,可能会限制症状的改善.
研究的目的:
- 应用基于精密医学的机器学习方法来识别与KOA差异性症状改善相关的患者特征.
- 为了比较个性化治疗分配与所有患者的单一最佳治疗的有效性.
主要方法:
- 利用了303名参与者在膝关节骨关节炎患者的物理治疗与基于互联网的培训试验中的数据.
- 采用随机森林信息的树木学习来识别患者的关键特征以改善结果.
- 评估了西部安大略省和麦克马斯特大学关节炎指数 (WOMAC) 在12个月后续的总得分作为主要结果.
主要成果:
- 年龄,身体质量指数 (BMI) 和动作短暂恐惧 (BFOM) 在基线得分有效地将参与者分为6个子组.
- 基于这些特征的个性化治疗分配导致12个月后WOMAC平均得分的显著改善 (P = 0.01) 与通用治疗相比.
- 基于互联网的运动训练 (IBET) 对低BFOM的年轻患者是最佳的,而物理治疗 (PT) 对高BFOM和特定BMI范围的老年患者是最佳的.
结论:
- 容易测量的患者因素,如年龄,运动恐惧和BMI,可以指导在家庭运动和膝关节骨关节炎的PT之间进行选择.
- 这种精确的方法表明,通过量身定制干预措施,有可能改善患者的治疗结果.
- 需要进一步的研究来验证这些发现,并完善膝关节关节炎的个性化治疗策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
09:10The Lower Body Positive Pressure Treadmill for Knee Osteoarthritis Rehabilitation
Published on: July 22, 2019
相关概念视频
Survival Tree
Building a Survival Tree
Constructing a...
Combination Therapies and Personalized Medicine
The combination of the drug acetazolamide and sulforaphane is a good example of combination therapy to treat cancer. The cells in the interior of a large tumor often die due to the hypoxic and...