带有机器学习算法的可穿戴运动探索设备用于查和跟踪糖尿病神经病变 - 一个横截面,诊断,比较研究
Goran Radunovic1,2, Zoran Velickovic1, Slavica Pavlov-Dolijanovic1,2
1Institute of Rheumatology, 11000 Belgrade, Serbia.
Biosensors
|April 26, 2024
概括
使用机器学习,Moveo设备准确地检测糖尿病神经病变,为家庭使用的传统方法提供了一个用户友好的,不那么痛苦的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 医疗技术 医疗技术 医学技术
- 医疗保健中的机器学习
背景情况:
- 糖尿病神经病变是一种常见的糖尿病并发症.
- 早期检测和跟踪对于管理至关重要.
- 需要新的设备来改善可访问性和患者体验.
研究的目的:
- 评估Moveo设备用于检测和跟踪糖尿病神经病变.
- 评估基于机器学习的系统的准确性和可用性.
- 为了将Moveo设备与传统的电诊断检查进行比较.
主要方法:
- 一项试点研究涉及23名参与者 (11人患有糖尿病,11人怀疑患有根茎病,4人健康).
- 移动设备使用传感器和移动应用程序收集运动数据,由基于云的机器学习算法处理.
- 参与者接受了Moveo和电诊断检查;使用者经验问卷被管理.
主要成果:
- 移动设备实现了82.1%的整体准确性,具有78%的灵敏度和87%的特异性.
- 在Moveo和电诊断检查 (EDx) 功能之间发现了高线性相关性 (高达0.722).
- 大多数参与者更喜欢Moveo设备,因为它不那么痛苦.
结论:
- 移动设备是用于检测糖尿病神经病变的准确和用户友好的工具.
- 它适用于家庭环境的适用性显示出未来临床应用的巨大潜力.
- 移动提供了一个有希望的,可访问的替代方案,用于管理糖尿病神经病变.
