构建一个定量远程医疗平台,用于肌痛性骨髓灰质炎:增加身体检查

科学领域:

• 神经学 神经学
• 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:

• 骨髓灰质炎 (MG) 给远程评估带来了挑战,因为它依赖身体检查.
• 随着COVID-19大流行,医疗保健领域的强大远程医疗解决方案的需求加快了.
• 骨髓灰质炎核心检查 (MGCE) 是为了标准化MG的远程医疗评估而开发的.

研究的目的:

• 开发和评估一个定量远程医疗平台,用于评估 myasthenia gravis.
• 利用计算机视觉,信号处理和人工智能来增强传统的神经学检查.
• 使用机器学习评估MGCE的可复制性和可靠性.

主要方法:

• 开发一个整合计算机视觉,信号处理和人工智能的远程医疗平台.
• 将机器学习算法应用于52名MG患者的视频和音频数据.
• 使用Myasthenia Gravis核心考试 (MGCE) 进行八项可数字化任务.
• 在六个中心进行双重检查,以评估评估者之间的可靠性.

主要成果:

• 机器学习提取了临床相关的特征,使持续变异量化成为可能.
• 鉴定了审查员指令和视频质量对可靠性的重大影响.
• 开发了一种得分指标的可重现性,以解决评级者之间的变化.
• 证明了在MG评估中提高精度和降低变异性的潜力.

结论:

• 数字检查框架可以显著提高MG评估精度.
• 开发的平台支持远程医疗评估,并减少体检的变化.
• 这种可扩展的方法可以将数字生物标志物整合到神经肌肉疾病护理和临床试验中.