提高帕金森病运动评估的可靠性,使用基于计算机视觉的自动化严重性估计

科学领域:

• 神经学 神经学
• 计算机科学 计算机科学
• 生物医学工程 生物医学工程

背景情况:

• 帕金森病 (PD) 的临床运动症状评估依赖于主观观察和标准化尺度,导致评价者之间的变化.
• 提高这些评估的客观性和可靠性对于有效的PD管理和治疗至关重要.

研究的目的:

• 开发和验证使用计算机视觉 (CV) 和机器学习 (ML) 对帕金森病运动症状的客观评级系统.
• 通过减少临床医生之间的差异来提高运动评估的准确性和一致性.

主要方法:

• 从多个中心招募了128名帕金森病患者的前景队列.
• 使用带有CV软件的Android平板电脑捕捉了运动检查视频,涵盖了面部,四肢运动和功能任务.
• 15名经过认证的临床医生评价了症状严重程度,并应用了ML算法进行自动评分和特征分析,将AI评级与临床医生共识进行比较.

主要成果:

• 基于人工智能的评级实现了平均绝对准确率为69.63%,可接受的准确率为98.78%,相对于1024个经过验证的视频的专家共识.
• 人工智能评级的平均绝对误差 (0.32) 低于临床医生 (0.65) 之间的评级者间的变化.
• 该系统表现出卓越的性能,可能是由于整合了各种运动变量 (MovVars).

结论:

• 开发的算法提供了准确的,基于视频的评估帕金森病中轻度运动症状严重程度.
• 人工智能辅助评估显著改善了评审者之间的协议,突出了基于CV的工具在运动障碍评估中的实际实用性.
• 这项技术显示了更客观地查,诊断和管理运动障碍的前景.