通过使用智能手机视频,对帕金森病中的步态障碍进行深度学习支持的准确评估

科学领域:

• 生物医学工程 生物医学工程
• 神经学 神经学
• 医疗保健中的人工智能

背景情况:

• 步行障碍是帕金森病 (PD) 的主要致残症状,其特点是复杂和异质的表现.
• 目前的评估方法可能缺乏细节性,以有效地捕捉微妙的变化或药物效应.

研究的目的:

• 开发和验证基于深度学习的框架,用于使用智能手机视频评估帕金森病中的步态障碍.
• 评估框架在预测PD严重程度,辨别药物疗效和识别新型数字生物标志物的能力.

主要方法:

• 开发了一个深度学习框架来分析智能手机录制的视频中的步行障碍.
• 该框架的性能与临床专家和传统尺度 (如统一帕金森病评级尺度 (UPDRS)) 相比进行了评估.
• 该框架的可解释性允许提取已知的运动标记物和发现新的数字生物标记物.

主要成果:

• 该框架在预测PD严重程度 (AUC为0.87) 和辨别药物疗效 (精度为73.68%) 方面取得了高水平.
• 它检测到药物诱导的细粒度步态变化,超过了UPDRS的分辨率.
• 确定了传统的临床运动标记物和对疾病进展和药物反应敏感的新型数字生物标记物.

结论:

• 深度学习框架显示出在帕金森病患者的临床和家庭环境中有效评估步行障碍的巨大潜力.
• 它可以在临床试验中有效评估疾病修饰效应,支持个性化疗法的开发.
• 该框架为监测疾病进展和治疗反应提供了超出当前临床标准的敏感工具.