使用移动应用程序对多发性硬化症进行验证,定量,机器学习生成的神经学评估
Sharon Stoll1,2, Charisse Litchman1,2, Noah Rubin3
1From the Department of Neurology, Yale School of Medicine, Yale University, New Haven, CT (SS, CL).
International journal of MS care
|March 14, 2024
概括
BeCare MS Link移动应用程序准确地复制了多发性硬化症 (MS) 患者的扩展残疾状态量表 (EDSS) 评估. 这个数字工具可以提供更全面的评估MS残疾.
科学领域:
- 神经学 神经学
- 数字健康数字健康
- 机器学习 机器学习
背景情况:
- BeCare MS Link移动应用程序收集患者报告的数据,以进行多发性硬化症 (MS) 评估.
- 它旨在数字复制已建立的临床指标,如扩展残疾状况量表 (EDSS).
研究的目的:
- 将来自BeCare MS Link应用程序的EDSS分数与标准神经病学家评估的EDSS分数进行比较.
- 评估机器学习算法在使用应用程序衍生数据预测EDSS分数时的准确性.
主要方法:
- 35名多发性硬化患者的应用程序衍生的EDSS数据与神经学家衍生的EDSS得分进行了比较.
- 四种不同的机器学习算法 (MLA) 从应用数据中预测EDSS分数.
- 通过将预测得分与临床得分进行比较来评估准确性.
主要成果:
- 最准确的MLA在19个案例中实现了精确的EDSS分数匹配,在21个案例中达到0.5分之内.
- 超过80%的MLA预测得分都在临床评估的1 EDSS点之内.
- 参议员的平均平方误差在1.05至1.37之间.
结论:
- BeCare MS Link应用程序有效地复制了MS患者的临床EDSS评估.
- 这款移动应用程序有可能对多发性硬化症中的残疾进行更彻底的评估.
