在帕金森病中早期检测缺食症迹象:一种基于人工智能的方法,使用非侵入性传感器

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 老年学是一门学科.

背景情况:

• 帕金森病 (PD) 通常导致吞障碍 (吞困难).
• 早期发现亚临床吞功能障碍对于管理PD至关重要.
• 目前的诊断方法可能无法识别早期,临床前的吞障碍.

研究的目的:

• 评估一种非侵入性可穿戴传感器系统,用于在老年PD患者中描述吞.
• 检测PD患者在没有临床诊断的吞功能障碍的情况下吞机制的客观差异.
• 评估使用人工智能和传感器数据用于早期检测吞功能障碍的可行性.

主要方法:

• 使用了带有加速度计和高密度表面肌电图 (HD-sEMG) 传感器的可穿戴系统.
• 收集了PD患者和健康对照者的吞数据,使用不同的玻尿酸粘度.
• 应用机器学习 (ML) 和主要组件分析 (PCA) 用于数据处理和主题分类.

主要成果:

• 经过ML分析,成功地将受试者分为两个不同的组,主要是PD患者和对照组.
• 获得了高分类准确度 (83.3%) 和F1得分 (84.5%).
• 鉴定了脑下肌肉激活模式的显著差异,即使在没有临床失足症的PD患者中也是如此.

结论:

• 可穿戴式传感器系统提供了一种可靠的,非侵入性的方法来评估吞功能.
• 这项技术可以帮助早期检测帕金森病的亚临床吞功能障碍.
• 客观地描述吞机制可以改善患者的治疗和治疗结果.