NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığının teşhisi (PD), yaygın olarak tıbbi gözlemlere ve çeşitli motor semptomların karakterizasyonu da dahil olmak üzere klinik işaretlerin değerlendirilmesine dayanır. Bununla birlikte, geleneksel teşhis yaklaşımları, bazen insan gözleri için ince olan ve bu nedenle sınıflandırılması zor olan hareketlerin değerlendirilmesine dayandıkları için öznellikten muzdarip olabilir ve bu da olası yanlış sınıflandırmaya yol açar. Bu arada, PD'nin erken motor olmayan semptomları hafif olabilir ve diğer birçok durumdan kaynaklanabilir. Bu nedenle, bu semptomlar genellikle göz ardı edilir ve erken bir aşamada PD tanısı zorlaşır. Bu zorlukları gidermek ve PD'nin tanı ve değerlendirme prosedürlerini iyileştirmek için, PD ve sağlıklı kontrollerin sınıflandırılması veya benzer klinik sunumlara sahip hastalar için makine öğrenme yöntemleri uygulanmıştır (örneğin, hareket bozuklukları veya diğer Parkinson sendromu). PD'nin tanı ve ayırıcı tanısında kullanılan veri modaliteleri ve makine öğrenme yöntemleri hakkında kapsamlı bir genel bakış sağlamak için, bu çalışmada PubMed ve IEEE Xplore veritabanlarını kullanarak 14 Şubat 2020'ye kadar yayınlanan çalışmaların bir literatür incelemesi yaptık. Toplam 209 çalışma dahil edildi, ilgili bilgiler için çıkarıldı ve amaçları, veri kaynakları, veri türleri, makine öğrenme yöntemleri ve ilişkili sonuçlarla ilgili bir soruşturma ile bu incelemede sunuldu. Bu çalışmalar, makine öğrenimi yöntemlerinin ve yeni biyobelirteçlerin klinik karar vermede adaptasyonu için yüksek bir potansiyel olduğunu ve PD'nin giderek sistematik, bilinçli bir şekilde tanılanmasına yol açtığını göstermektedir.
Özgün kaynak özetini okuyun
Diagnosis of Parkinson's disease (PD) is commonly based on medical observations and assessment of clinical signs, including the characterization of a variety of motor symptoms. However, traditional diagnostic approaches may suffer from subjectivity as they rely on the evaluation of movements that are sometimes subtle to human eyes and therefore difficult to classify, leading to possible misclassification. In the meantime, early non-motor symptoms of PD may be mild and can be caused by many other conditions. Therefore, these symptoms are often overlooked, making diagnosis of PD at an early stage challenging. To address these difficulties and to refine the diagnosis and assessment procedures of PD, machine learning methods have been implemented for the classification of PD and healthy controls or patients with similar clinical presentations (e.g., movement disorders or other Parkinsonian syndromes). To provide a comprehensive overview of data modalities and machine learning methods that have been used in the diagnosis and differential diagnosis of PD, in this study, we conducted a literature review of studies published until February 14, 2020, using the PubMed and IEEE Xplore databases. A total of 209 studies were included, extracted for relevant information and presented in this review, with an investigation of their aims, sources of data, types of data, machine learning methods and associated outcomes. These studies demonstrate a high potential for adaptation of machine learning methods and novel biomarkers in clinical decision making, leading to increasingly systematic, informed diagnosis of PD.
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.