使用嵌入惯性传感器和人工智能的助听器来识别患有跌倒风险的患者

科学领域:

• 老年学是一门学科.
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 跌倒风险评估对于预防老年人受伤至关重要.
• 传统方法依赖于训练有素的观察员和标准化测试.
• 像人工智能助听器这样的新兴技术为客观的跌倒风险评估提供了潜力.

研究的目的:

• 为了比较由AI驱动式助听器 (IMU-HA) 获得的跌倒风险得分与受过训练的临床医生获得的风险得分.
• 通过使用 STEADI 测试电池,评估 IMU-HA 在分类落风险方面的准确性.

主要方法:

• 进行了一项前性双盲观察性研究.
• 招募了250名患有跌倒风险的参与者 (55-100岁).
• 用STEADI测试 (4阶段平衡,TUG,30秒椅子站) 通过IMU-HA评估并与临床医生分数进行比较,评估了跌倒风险.

主要成果:

• 在临床医生中观察到卓越的interrater可靠性.
• IMU-HA与临床医生对于四阶段平衡和TUG测试没有显著差异.
• 在TUG试验中,IMU-HA的失败率为12%,在30秒椅子站测试中有显著差异,在21%的参与者中改变了分类.

结论:

• 基于人工智能的助听器在很大程度上与临床医生的跌倒风险评估保持一致.
• 特定测试中的差异凸显了算法改进的必要性.
• 需要进一步开发,以确保IMU-HAs准确地对落风险进行分类.