帕克:一个复杂度共识意识到帕金森病中运动疾病严重性的自动评估

科学领域:

• 神经科学是一个神经科学.
• 医疗技术 医疗技术 医学技术
• 人工智能的人工智能

背景情况:

• 帕金森病 (PD) 是增长最快的神经退行性疾病.
• 目前的PD运动评估依赖于运动障碍学会 - 统一帕金森病评级表第三部分 (MDS-UPDRS-III),这是主观的,可扩展性有限的.
• 在MDS-UPDRS-III评估中,评级者之间的变化源于视觉评级任务中的共识-复杂性权衡.

研究的目的:

• 引入PARQ,这是一个深度学习平台,用于客观,可扩展的PD运动疾病严重程度的量化,使用常规的临床视频.
• 开发一个系统,估计预期的运动严重程度和专家评级的分布,以达成共识的预测.
• 克服主观临床评估的局限性和PD评估中的评分器变异性.

主要方法:

• 开发PARQ,一个深度学习平台,利用常规的临床视频来定量PD运动严重程度.
• PARQ估计了预期的运动严重程度和专家评级的分布,使得特定任务,共识意识的预测.
• 对48名PD患者的临床数据集进行评估,共8项任务,每个视频有3个独立专家评分.

主要成果:

• 在高共识任务中,PARQ的准确度达到90%,在低共识任务中达到80%.
• 在低共识任务中固有的系统的评级者分歧中表现出稳健性.
• 为大多数视觉评级的MDS-UPDRS-III任务提供特定任务,分布意识的严重性估计.

结论:

• PARQ提供了对PD运动疾病严重程度的客观和可扩展评估的基础.
• 该平台解决了对增长最快的神经退行性疾病的可靠,自动评估的需求.
• PARQ的共识意识方法提高了从临床视频中对PD运动评估的客观性和可靠性.