NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), hastaların yaşam kalitesini ciddi şekilde etkileyen ilerici bir sakatlığa neden olan dejeneratif bir hareket bozukluğudur. Erken tedavi hastalar için önemli faydalar sağlayabilirken, erişilebilir yüksek frekanslı izleme araçlarının eksikliği ile birlikte birçok erken işaretin hafifliği klinik tanıyı geciktirebilir. Bu ihtiyacı karşılamak için, tüketici teknolojilerinden gelen kullanıcı etkileşim verileri son zamanlarda günlük yaşamda PD semptomları için denetlenmeyen taramaya doğru istismar edilmiştir. Benzer şekilde, bu çalışma, doğal yazım sırasında dokunmatik ekranlı akıllı telefonlarla parmak etkileşiminden ortaya çıkan kalıpların analizi yoluyla erken PD hastalarında ince motor becerilerinin düşüşünü tespit etmek için bir yöntem önermektedir. Yaklaşımımız, kısa yazım oturumlarından hesaplanan tuş vuruşlarının zamanlama ve basınç değişkenlerinin düşük/yüksek dereceli istatistiksel özelliklerine dayanır. Özellikler, bireysel yazım oturumları ve tuş vuruşu değişkenleri için elde edilen tahmin olasılıklarını yavaş yavaş eriterek, konunun durumu (PD hasta / kontrolü) hakkında bir karara ulaşan iki aşamalı çok modelli sınıflandırma boru hattına beslenir. Bu yöntem, AUC = 0.92 ve 0.82/0.81 hassasiyet / özgüllük (eşleştirilmiş gruplar 18 erken PD hasta/15 kontrolleri) ile diskriminant özellikleri elde etti. Bu bulgular benzer yaklaşımlar üzerinde bir iyileşme olduğunu göstermektedir, böylece rutin faaliyetlerden göze çarpmayan erken PD tespitine doğru bir adım daha oluşturmaktadır.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is a degenerative movement disorder causing progressive disability that severely affects patients' quality of life. While early treatment can produce significant benefits for patients, the mildness of many early signs combined with the lack of accessible high-frequency monitoring tools may delay clinical diagnosis. To meet this need, user interaction data from consumer technologies have recently been exploited towards unsupervised screening for PD symptoms in daily life. Similarly, this work proposes a method for detecting fine motor skills decline in early PD patients via analysis of patterns emerging from finger interaction with touchscreen smartphones during natural typing. Our approach relies on low-/higher-order statistical features of keystrokes timing and pressure variables, computed from short typing sessions. Features are fed into a two-stage multi-model classification pipeline that reaches a decision on the subject's status (PD patient/control) by gradually fusing prediction probabilities obtained for individual typing sessions and keystroke variables. This method achieved an AUC = 0.92 and 0.82/0.81 sensitivity/specificity (matched groups of 18 early PD patients/15 controls) with discriminant features plausibly correlating with clinical scores of relevant PD motor symptoms. These findings suggest an improvement over similar approaches, thereby constituting a further step towards unobtrusive early PD detection from routine activities.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.