使用基于视频的人工智能检测晚期运动障碍症
Anthony A Sterns1,2,3,4, Joel W Hughes5, Bradley Grimm6
1iRxReminder, Cleveland, Ohio.
The Journal of clinical psychiatry
|June 9, 2025
概括
一个人工智能工具可以有效地检测晚期动症 (TD),这是一种由抗精神病药物引起的运动障碍. 这项技术比人类评分器的准确性更高,有助于早期诊断和患者监测.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 精神病学是一个精神病学.
背景情况:
- 迟性运动障碍 (TD) 是多巴胺受体阻断药物的严重副作用,导致非自愿的运动.
- 尽管有可用的治疗方法,但TD往往被诊断不足,影响着数百万人.
- 目前的诊断方法依赖于受过训练的评级人员进行的主观评估.
研究的目的:
- 开发和验证一种高效,可靠的AI驱动的方法来检测晚期运动障碍症.
- 改善在服用抗精神病药物的患者中早期识别和关注TD.
主要方法:
- 分析了服用抗精神病药物的个人的视频评估.
- 使用视觉转换器机器学习模型.
- 性能被评估使用接收器操作特征曲线 (AUC) 下的面积,灵敏度和特异性与专家评级的异常非自愿运动量表.
主要成果:
- 在联合验证队列中,AI算法实现了0.89的AUC.
- 该模型表现出强烈的一致性,并在准确性方面超过了人类评分器.
- 在检测疑似TD时观察到高灵敏度和特异性.
结论:
- 开发的算法可靠地检测出潜在的晚期运动障碍,精度高于人类评估.
- 这种人工智能工具可以帮助监测服用抗精神病药物的患者,优化诊断精神病学资源.
- 这项技术有助于更早地识别和管理TD.
