基于行走视频的统一帕金森病评分表的预测:一项回顾性研究

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 医疗保健中的人工智能

背景情况:

• 帕金森病 (PD) 诊断和症状评估通常需要亲自临床评估.
• 远程评估PD症状至关重要,尤其是在COVID-19大流行等全球卫生危机期间.
• 基于视频的分析为PD运动障碍的远程评估提供了一个潜在的方法.

研究的目的:

• 评估从步态视频预测统一帕金森病评分表 (UPDRS) 评分的可行性.
• 为此预测任务使用卷积神经网络 (CNN) 模型.

主要方法:

• 追溯分析了74名PD患者的737个步行视频,并获得了相应的UPDRS分数.
• 一个CNN模型被训练来预测UPDRS总部分III分数和特定子分数 (轴心症状,勃拉迪基尼西亚,刚性,震).
• 模型性能使用10%的测试数据集进行评估,通过R2值将预测得分与神经科医生评分的得分进行比较.

主要成果:

• 美国有线电视新闻网 (CNN) 的R2值为0.59的总UPDRS第三部分,0.77的轴性症状,0.56的布拉迪基尼西亚,0.46的刚性,和0.0的震.
• 该模型在预测轴性症状子得分方面表现相对较高.
• 患有严重症状的患者的预测性表现较低,这可能是由于数据有限.

结论:

• 该CNN模型显示了远程PD症状评估的潜力,特别是轴心症状.
• 该模型对总UPDRS部分III分数的准确性中等,对严重PD病例有局限性.
• 为了提高模型的临床适用性和性能,需要更大,更多样化的数据集.