NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Kağıt üzerine spiral çizimler, Parkinson Hastalığı motor eksikliklerini değerlendirmek için hastanelerde rutin önlemler olarak kullanılır. Gelişmekte olan mobil sağlık araçları ve Yapay Zeka çağında kapsamlı bir dijital kurulum, granüler biyobelirteç analizleri ve hareket bozukluklarında geliştirilmiş diferansiyel tanılar sağlar. Bu çalışma Parkison Hastalığı hastaları, sağlıklı denekler ve çeşitli hareket bozuklukları arasındaki ayrımcı özellikler üzerinde değerlendirmeyi amaçlamaktadır. Genel olarak, 24 Parkinson Hastalığı hastası, 27 sağlıklı kontrol ve benzer diferansiyel tanıları olan 26 hasta, yeni bir tablet tabanlı sistemle değerlendirildi. Bir tablet cihazında yakalanan yapılandırılmış bir semptom anketi - Parkinson Hastalığı Olmayan Motor Ölçeği - ve 2 elle sarmal çizimi birleştirerek bütünleştirici bir değerlendirme kullanır. Üç farklı sınıflandırma görevi değerlendirildi: Parkinson hastalığı hastaları sağlıklı kontrol grubuna karşı (Görev 1), tüm hareket bozuklukları sağlıklı kontrol grubuna karşı (Görev 2) ve Parkinson hastalığı hastaları çeşitli diğer hareket bozukluğu hastalarına karşı (Görev 3). Sistematik olarak dijital biyobelirteçlerin özellik önemlerini incelemek için bir Makine Öğrenimi sınıflandırıcısı çapraz olarak doğrulanır ve SHapley Additive exPlanations (SHAP) değerleri ile yorumlanır. Motor olmayan semptomların sayısı, Görev 1 ve 2 için önemli ölçüde farklılık gösterdi, ancak Görev 3 için farklılık göstermedi. Önerilen çizim özellikleri, her üç görev için de kısmen farklıydı. Teşhis doğruluğu, Görev 1, Görev 2,% 89.4 ve Görev 3'te% 72'de ortalama% 94.0 idi. Task 3'teki doğruluk sadece semptom anketini kullanarak temel çizgiye yakınken, tablet tabanlı özellikleri% 60 ila% 72 arasında eklerken büyük ölçüde iyileşti. Her üç görev için accuracies önemli ölçüde iki modaliteleri entegre ederek geliştirilmiştir. Bu sonuçlar, tablet tabanlı çizim özelliklerinin yalnızca tüketici sınıfı cihazlar tarafından yakalanmakla kalmayıp, Parkinson Hastalığı'na özgü özellikleri de yakalayarak semptom anketine kıyasla tanı doğruluğunu önemli ölçüde artırabildiğini göstermektedir. Bu nedenle, önerilen sistem, ev temelli değerlendirmeler için de kullanılabilecek hareket bozukluklarının nesnel bir hastalık karakterizasyonu türünü sağlar.Clinicaltrials.gov Çalışması-ID: NCT03638479.
Özgün kaynak özetini okuyun
Spiral drawings on paper are used as routine measures in hospitals to assess Parkinson's Disease motor deficiencies. In the age of emerging mobile health tools and Artificial Intelligence a comprehensive digital setup enables granular biomarker analyses and improved differential diagnoses in movement disorders. This study aims to evaluate on discriminatory features among Parkison's Disease patients, healthy subjects and diverse movement disorders. Overall, 24 Parkinson's Disease patients, 27 healthy controls and 26 patients with similar differential diagnoses were assessed with a novel tablet-based system. It utilizes an integrative assessment by combining a structured symptoms questionnaire-the Parkinson's Disease Non-Motor Scale-and 2-handed spiral drawing captured on a tablet device. Three different classification tasks were evaluated: Parkinson's Disease patients versus healthy control group (Task 1), all Movement disorders versus healthy control group (Task 2) and Parkinson's Disease patients versus diverse other movement disorder patients (Task 3). To systematically study feature importances of digital biomarkers a Machine Learning classifier is cross-validated and interpreted with SHapley Additive exPlanations (SHAP) values. The number of non-motor symptoms differed significantly for Tasks 1 and 2 but not for Task 3. The proposed drawing features partially differed significantly for all three tasks. The diagnostic accuracy was on average 94.0% in Task 1, 89.4% in Task 2, and 72% in Task 3. While the accuracy in Task 3 only using the symptom questionnaire was close to the baseline, it greatly improved when including the tablet-based features from 60 to 72%. The accuracies for all three tasks were significantly improved by integrating the two modalities. These results show that tablet-based drawing features can not only be captured by consumer grade devices, but also capture specific features to Parkinson's Disease that significantly improve the diagnostic accuracy compared to the symptom questionnaire. Therefore, the proposed system provides an objective type of disease characterization of movement disorders, which could be utilized for home-based assessments as well.Clinicaltrials.gov Study-ID: NCT03638479.
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.