使用人工智能在家中测量帕金森病的严重程度

科学领域:

• 神经学 神经学
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 帕金森病 (PD) 的诊断和监测依赖于主观的临床评估.
• 在PD中远程评估运动功能是具有挑战性的,因为获得专业护理的机会有限.

研究的目的:

• 开发和验证人工智能系统,以客观地远程评估帕金森病患者的运动性能.
• 通过使用运动障碍学会统一帕金森病评级表 (MDS-UPDRS) 与专家神经病学家评级相关联人工智能衍生的客观措施.

主要方法:

• 250名患有PD的参与者通过网络摄像头远程执行了一项指尖敲击任务.
• 专家神经病学家使用MDS-UPDRS (0-4级) 评价运动症状严重程度,评级者之间的可靠性很好 (ICC=0.88).
• 计算机算法提取了客观的运动性能指标,并在这些数据上训练了一种机器学习模型.

主要成果:

• 人工智能衍生的客观指标与神经病学家评级有很强的相关性.
• 机器学习模型实现了0.58的平均绝对误差 (MAE),表现优于认证评级者 (MAE=0.83),但表现略低于专家神经科医生 (MAE=0.53).

结论:

• 开发的AI系统为帕金森病的远程客观运动评估提供了一种可行的方法.
• 这项技术有可能改善PD和其他运动障碍患者获得神经治疗的机会,特别是在服务不足的地区.