NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı, yavaş yavaş gelişen birkaç motor semptomla karakterize bir nörodejeneratif bozukluktur: titreme, bradikinezi, uzuv sertliği ve yürüyüş ve denge problemleri. Tedavi olmamasına rağmen, levodopa tedavisinin semptomları hafiflettiği gösterilmiştir. Levodopa'daki bir hasta, semptomlarının şiddetinde döngüler yaşar, ilacın aktif olduğu bir ON durumu ile karakterize edilir ve ilaç yıprandıkça semptomların kötüleştiği bir OFF durumu. Hastalığın uzunlamasına ilerleyişi, klinikte eğitimli hekimler tarafından yapılan epizodik değerlendirmeler kullanılarak izlenir, örneğin Birleşik Parkinson Hastalığı Değerlendirme Ölçeği (UPDRS). Son zamanlarda, sahada giyilebilir sensörlere ve diğer uzaktan izleme cihazlarına dayanan motor semptomların sürekli, objektif ölçümlerini geliştirmek için bir çaba olmuştur. Bu çalışmada, Parkinson hastalığı hastasının postural dengesizliğini ve yürüyüş bozukluğunu (PIGD) otomatik olarak değerlendirmek için tek bir giyilebilir atalet sensörü kullanan böyle bir çözüme yönelik bir çaba sunuyoruz. Sensör verileri, UPDRS testini gerçekleştiren deneklerin iki bağımsız çalışmasından toplandı ve daha sonra bir konvolüsyon sinir ağı modelini eğitmek ve doğrulamak için kullanıldı. Bu tür çalışmaların tipik sınırlı boyutu göz önüne alındığında, genellikle eğitim için daha büyük miktarda veri gerektiren derin öğrenme modellerinin performansını artırmak için üretken düşmanca ağların kullanımını da kullandık. 2 dakikalık yürüme testi için yöntemimizin tahmin edilen PIGD puanlarının, bir hastanın ON/OFF durumlarını aynı kriterlerde değerlendirilen bir hekimden daha iyi tanımlamak için kullanılabileceğini gösteriyoruz. Bu sonuç Parkinson hastalığının semptomlarının daha güvenilir, sürekli izlenmesinin önünü açar.
Özgün kaynak özetini okuyun
Parkinson's disease is a neurodegenerative disorder characterized by several motor symptoms that develop gradually: tremor, bradykinesia, limb rigidity, and gait and balance problems. While there is no cure, levodopa therapy has been shown to mitigate symptoms. A patient on levodopa experiences cycles in the severity of their symptoms, characterized by an ON state-when the drug is active-and an OFF state-when symptoms worsen as the drug wears off. The longitudinal progression of the disease is monitored using episodic assessments performed by trained physicians in the clinic, such as the Unified Parkinson's Disease Rating Scale (UPDRS). Lately, there has been an effort in the field to develop continuous, objective measures of motor symptoms based on wearable sensors and other remote monitoring devices. In this work, we present an effort towards such a solution that uses a single wearable inertial sensor to automatically assess the postural instability and gait disorder (PIGD) of a Parkinson's disease patient. Sensor data was collected from two independent studies of subjects performing the UPDRS test and then used to train and validate a convolutional neural network model. Given the typical limited size of such studies we also employed the use of generative adversarial networks to improve the performance of deep-learning models that usually require larger amounts of data for training. We show that for a 2-min walk test, our method's predicted PIGD scores can be used to identify a patient's ON/OFF states better than a physician evaluated on the same criteria. This result paves the way for more reliable, continuous tracking of Parkinson's disease symptoms.
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.