NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), 6.2 milyon hastayı etkileyen ve engelliliğe ve yaşam kalitesinin azalmasına neden olan ikinci en yaygın progresif nörodejeneratif bozukluktur. Araştırma, günümüzde erken tanı ve uzun süreli PD izleme için yapay zeka (AI) tabanlı giyilebilir cihazlara yöneliktir. Öncelikli hedefimiz PD hastalarında yürüyüş izleme ve değerlendirmedir. Ayak biyomekaniklerinin ikili takibini ve kol dengesinin tek taraflı takibini gerçekleştiren nitel ve nicel yürüyüş değerlendirmesi için giyilebilir bir fizikoğraf önermekteyiz. Gait örüntüleri korelasyon yoluyla değerlendirilir. Kaydedilen sinyallerden elde edilen korelasyon katsayısı matrisinin yüzey grafiği, konvolüsyonel sinir ağları kullanılarak fizyolojik veya PD'ye özgü bir yürüyüş şeklinde sınıflandırılır. Yenilik, yürüyüş değerlendirmesi için önerilen AI tabanlı karar destek prosedürü ile verilir. Önerilen fizyograf kavramının bir kanıtı, klinik bir ortamda beş hasta ve beş sağlıklı kontrol üzerinde doğrulanır ve PD'de her yerde bulunan yürüyüş izleme ve değerlendirme için uygulanabilir bir çözüm olduğunu kanıtlar. PD yönetimi insan vücudunun karmaşıklığını gösterir. Çok disiplinli, yapay zekaya dayalı karar destek değerlendirmelerini, ilaç ve ilaç dışı terapi arasında optimal dozlama için güçlendiren bir platform, uygun fiyatlı hassas tıp için temel oluşturabilir.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is the second most common progressive neurodegenerative disorder, affecting 6.2 million patients and causing disability and decreased quality of life. The research is oriented nowadays toward artificial intelligence (AI)-based wearables for early diagnosis and long-term PD monitoring. Our primary objective is the monitoring and assessment of gait in PD patients. We propose a wearable physiograph for qualitative and quantitative gait assessment, which performs bilateral tracking of the foot biomechanics and unilateral tracking of arm balance. Gait patterns are assessed by means of correlation. The surface plot of a correlation coefficient matrix, generated from the recorded signals, is classified using convolutional neural networks into physiological or PD-specific gait. The novelty is given by the proposed AI-based decisional support procedure for gait assessment. A proof of concept of the proposed physiograph is validated in a clinical environment on five patients and five healthy controls, proving to be a feasible solution for ubiquitous gait monitoring and assessment in PD. PD management demonstrates the complexity of the human body. A platform empowering multidisciplinary, AI-evidence-based decision support assessments for optimal dosing between drug and non-drug therapy could lay the foundation for affordable precision medicine.
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.