相关实验视频
Updated: Jul 18, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
在家用可穿戴设备和机器学习灵敏地捕捉了肌缩侧面硬化症的疾病进展
Anoopum S Gupta1, Siddharth Patel2, Alan Premasiri3
1Department of Neurology, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA. agupta@mgh.harvard.edu.
Nature communications
|August 21, 2023
概括
可穿戴式传感器使用次运动分析准确地跟踪肌缩性侧面硬化症的进展. 这种方法为临床试验和患者护理提供了更快,更敏感的结果测量方法.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
背景情况:
- 肌缩侧面硬化症 (ALS) 是一种渐进的运动神经元疾病,导致显著的运动功能受损.
- 目前的ALS药物开发受到客观,敏感和可访问的结果措施缺乏的阻碍.
- 可穿戴式传感器为客观,现实世界的运动功能评估提供了潜在的解决方案.
研究的目的:
- 研究可穿戴传感器对于量化ALS患者的运动功能和疾病进展的有用性.
- 从加速度计数据开发和验证机器学习的严重性得分.
- 将基于传感器的测量结果的灵敏度和效率与标准ALS功能评分尺度修订 (ALSFRS-R) 进行比较.
主要方法:
- 376名患有ALS的人被录取,他们在日常活动中戴着四只四肢上的传感器.
- 分析了加速度计数据,自动检测和描述次运动.
- 对于每个肢体,独立于临床评级,生成了机器学习的严重性得分.
主要成果:
- 基于传感器的亚移动分析显示,与ALSFRS-R相比,亚移动的进展速度更快 (-0.86 SD/年对 -0.73 SD/年).
- 这种增强的敏感性导致临床试验样本大小估计显著减少 (N=76与N=121).
- 机器学习得分独立于传统的临床评估.
结论:
- 可穿戴传感器为评估ALS进展提供了一种生态有效和可扩展的方法.
- 这种方法提供了更敏感的结果测量,可能加速ALS临床试验.
- 这项技术在研究和临床治疗肌缩性侧面硬化症方面都具有前景.
