您的位置:首页>人工智能>正文

机器学习可以通过观察患者的动作来帮助医生诊断帕金森病

摘要Skoltech和AIBurnazyan联邦医学和生物物理中心的科学家设计并开发了基于AI辅助视频分析的第二意见系统,该系统可以帮助医疗专业人员在早期

Skoltech和AIBurnazyan联邦医学和生物物理中心的科学家设计并开发了基于AI辅助视频分析的第二意见系统,该系统可以帮助医疗专业人员在早期客观地评估帕金森病(PD)患者。

这种方法可以帮助避免误诊这种疾病,区分其分期,调整治疗方法并推荐确诊患者进行深部脑刺激手术。该论文发表在IEEESensorsJournal上。

由于人口老龄化,越来越多的人患有神经退行性疾病,这意味着在未来几十年内,人类可能会面临真正的“帕金森病大流行”。PD是目前发展最快的神经退行性疾病,严重影响患者的生活质量,需要尽早准确诊断。面临的挑战是区分帕金森病和其他具有类似运动症状的疾病,例如特发性震颤。到目前为止,PD还没有单一的生物标志物可以用来一致地诊断它,医生不得不依赖他们的观察,这往往会导致病理检查中发现错误的诊断。

助理教授AndreySomov和他的同事建立了一个所谓的第二意见系统,该系统使用机器学习算法来分析患者执行特定运动任务的视频记录。在一项小型试点研究中,该系统在检测PD的潜在病例并将其与特发性震颤区分开来方面表现出非常高的性能。

该系统使用视频记录,使诊断过程快速、不显眼且让患者感到舒适。该团队设计了一套15种常见的动作,例如走路、坐在椅子上、站起来、叠毛巾、装满水、用食指摸鼻子。这些是一般的和更精细的运动,根本没有运动(以评估静止时的震颤)以及临床医生用来评估震颤的一些活动。

“这些练习是在神经科医生的监督下设计的,来自几个不同的来源,包括用于监测帕金森病的量表以及之前在该领域进行的研究。每个练习都有一个它可以揭示的目标症状,“Skoltech博士生、该论文的合著者EkaterinaKovalenko解释说。

在试点研究中,记录了83名患有或不患有神经退行性疾病的患者执行这些任务。然后使用一种软件处理视频,该软件将关键点放置在人体关节和身体其他部位对应的人体上,从而创建移动对象的简化模型。这些是使用机器学习技术进行分析的。

该团队表示,视频和机器学习的使用在诊断过程中引入了一定程度的客观性,使研究人员和医生能够检测肉眼不可见的疾病及其阶段的非常具体的特征。

“我们的初步结果显示了在视频分析的帮助下改善诊断的潜力。我们的目标是为医生和临床医生提供第二意见,而不是取代他们。基于视频的方法可能对患者来说是最方便的,因为与各种传感器和测试相比,它是最通用和无创的,”作者在他们的论文中写道。

“我们在这项研究中使用的机器学习和计算机视觉方法已经在许多医学应用中得到了很好的应用;他们是值得信赖的,并且神经病学家已经开发了帕金森病的诊断练习一段时间。这项研究的真正新颖之处在于我们根据这些练习对精确和具体的最终诊断的贡献对这些练习进行了定量排名。这只能通过医生、数学家和工程师之间的合作来实现,”Skoltech副教授兼该研究的合著者DmitryDylov说。

在早期的研究中,Somov的团队还在一项类似的可行性研究中使用了可穿戴传感器,该研究帮助他们检测了用于帕金森氏症机器学习辅助诊断的最有用的练习。

“作为研究过程的一部分,我们有机会与医生和医务人员密切互动,他们分享了他们的想法和经验。观察两个看似不同的学科如何走到一起来帮助人们是一件很有趣的事情。我们还有机会监控研究的所有部分,从设计方法到数据分析和机器学习,”科瓦连科说。

“医生和科学家在数据分析方面的这种合作考虑到了许多重要的临床细微差别和细节,有助于取得最佳结果。作为医生,我们看到了这方面的巨大潜力;除了鉴别诊断外,我们还需要客观的工具来评估PD患者的运动波动。这些工具可以提供更加个性化的治疗方法,有助于做出神经外科干预的决定,并在以后评估手术结果,”该论文的合著者、神经病学家EkaterinaBril指出。

AndreySomov表示,该团队的下一个目标是在检测PD和诊断其阶段的任务中结合视频分析和传感器数据——他们预计这将提高准确性。“我们还牢记我们工作的创新方面——我们的团队同意考虑将我们的研究结果转换为直观的软件产品是有意义的。我们相信我们的联合研究工作将对PD患者产生积极影响,”他补充道。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。