在无形皮肤炎中量化夜间痕:使用数字手腕动图的机器学习方法.

科学领域:

• 生物医学工程 生物医学工程
• 皮肤病学 皮肤病学
• 数字健康数字健康

背景情况:

• 夜间痕显著影响着亚托皮炎 (AD) 患者的生活质量.
• 目前用于测量划痕的方法,主要是患者报告的结果 (PRO),缺乏客观性和敏感性.
• 数字健康技术 (DHT) 提供了客观行为监测的潜力.

研究的目的:

• 开发和验证一种机器学习算法,以客观量化夜间痕事件,使用手腕穿戴的动画.
• 改善疾病进展的评估,治疗有效性和阿兹海默症患者的生活质量.

主要方法:

• 开发和比较几种机器学习模型.
• 使用手腕穿戴的动作图数据来捕捉夜间的行为.
• 算法的验证来自七名住院患者的数据.

主要成果:

• 性能最好的机器学习模型在测试组中获得了F1得分0.45.
• 该模型表现出0.44的精度和0.46的回忆力用于痕检测.
• 初步结果显示,对客观的初步量化有希望.

结论:

• 使用动图的自动划痕检测算法有可能客观地评估AD患者的睡眠质量和疾病状态.
• 需要对更大的受试者群进行进一步的验证.
• 这一进步可以完善AD管理的治疗策略.