Accurate detection of cerebellar smooth pursuit eye movement abnormalities via mobile phone video and machine learning.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Göz hareketleri birçok nörodejeneratif hastalıkta bozulur ve serebellumu etkileyen koşullarda sık ve erken özelliklerdir. Göz hareketlerini karakterize etmek tanı için önemlidir ve hastalığın ilerlemesini ve terapilere yanıtını izlemek için yararlı olabilir. Değerlendirmeler, bir nöroloji alt uzmanı veya uzman ve pahalı ekipman tarafından şahsen değerlendirilmesini gerektirdiği için sınırlıdır. Serebellar bozukluklarındaki önemli göz hareketi anormalliklerinin (yani ataksilerin) iPhone videosundan yakalanabileceği hipotezini test ettik. Yüzün videoları, ataksisi olan bireylerden (n = 102) ve karşılaştırmalı bir popülasyondan (Parkinson hastalığı veya sağlıklı katılımcılar, n = 61) toplandı. Bilgisayar görme algoritmaları, yüksek temporal çözünürlük spektral özelliklerine dönüştürülen gözün konumunu izlemek için kullanıldı. Göz hareketi özellikleri üzerinde eğitim görmüş makine öğrenme modelleri, düzgün takipteki anormallikleri (anahtar göz davranışı) tespit edebildi ve anormal takip olan bireyleri kontrollerden doğru bir şekilde ayırt edebildi (duyarlılık = 0.84, özgüllük = 0.77). Yeni bir makine öğrenimi yaklaşımı, klinisyen puanlarıyla iyi ilişkili olan ciddiyet tahminleri oluşturdu. Ucuz ve yaygın erişilebilir bir teknoloji kullanarak göz hareketi bilgilerini yakalamanın fizibilitesini gösteriyoruz. Bu, hastalık taraması ve klinik çalışmalarda şiddeti ölçmek için yararlı bir yaklaşım olabilir.

Özgün kaynak özetini okuyun

Eye movements are disrupted in many neurodegenerative diseases and are frequent and early features in conditions affecting the cerebellum. Characterizing eye movements is important for diagnosis and may be useful for tracking disease progression and response to therapies. Assessments are limited as they require an in-person evaluation by a neurology subspecialist or specialized and expensive equipment. We tested the hypothesis that important eye movement abnormalities in cerebellar disorders (i.e., ataxias) could be captured from iPhone video. Videos of the face were collected from individuals with ataxia (n = 102) and from a comparative population (Parkinson's disease or healthy participants, n = 61). Computer vision algorithms were used to track the position of the eye which was transformed into high temporal resolution spectral features. Machine learning models trained on eye movement features were able to identify abnormalities in smooth pursuit (a key eye behavior) and accurately distinguish individuals with abnormal pursuit from controls (sensitivity = 0.84, specificity = 0.77). A novel machine learning approach generated severity estimates that correlated well with the clinician scores. We demonstrate the feasibility of capturing eye movement information using an inexpensive and widely accessible technology. This may be a useful approach for disease screening and for measuring severity in clinical trials.

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.