使用游戏化网站识别帕金森病:机器学习开发和可用性研究

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 计算机科学 计算机科学

背景情况:

• 帕金森病 (PD) 是一种影响全球数百万人的神经退行性疾病,其特点是运动障碍.
• 早期诊断PD对于有效的管理和治疗至关重要.
• 通过数字设备交互来评估运动功能提供了一个新的诊断途径.

研究的目的:

• 调查使用键盘和鼠标交互的手指敲击和2D手动数据来检测帕金森病 (PD) 的可行性.
• 根据在结构化数字任务中捕获的运动行为模式来区分患有PD和没有PD的个体.
• 开发PD检测的预测模型,利用可访问的,基于技术的测量.

主要方法:

• 通过夏威夷帕金森协会 (HPA) 和基于网络的数据收集应用程序招募了参与者.
• 使用键盘和鼠标/轨道板输入进行指触 (速度,准确性,意外动作) 和2D手动 (稳定性,精度) 的结构化测试.
• 收集人口统计和自我报告的PD状态数据,分析记录的运动行为以获得预测性见解.

主要成果:

• 使用从31名参与者的键盘和鼠标移动数据中提取的6个关键特征开发了一个预测模型 (13名患有PD,18名没有PD).
• 该模型在20次运行中预测PD的存在时,获得了0.7311的平均F1得分和0.7429的准确性.
• 分析强调了精度和运动速度在区分PD患者与对照者的重要性.

结论:

• 基于技术的四肢运动数据,包括结构化的小鼠运动和手指敲击,可以有效地预测帕金森病 (PD) 的存在.
• 这种方法提供了一种实用,具有成本效益和可访问的方法,用于早期发现PD.
• 结合基于键盘和鼠标的运动评估,显示了非侵入性PD诊断的前景.