Using AI to measure Parkinson's disease severity at home.

Araştırma özeti

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

Parkinson hastalığı (PD) olan bireylerin motor performansını uzaktan değerlendirmek için yapay zeka (AI) sistemi sunuyoruz. Çalışmamızda, 250 küresel katılımcı, bir web kamerasının önünde parmakla vurmayı içeren standart bir motor görevi gerçekleştirdi. Parkinson semptomlarının şiddetini parmak vuruşu görevine göre belirlemek için, üç uzman nörolog, kaydedilen videoları Hareket Bozukluğu Topluluğu Birleşik Parkinson Hastalığı Değerlendirme Ölçeği'ni (MDS-UPDRS) takiben 0-4 ölçeğinde bağımsız olarak derecelendirdi. Sınıflar arası korelasyon katsayısı (ICC) 0.88 olan inter-rater güvenilirliği mükemmeldi. MDS-UPDRS kılavuzuna uygun objektif ölçümler elde etmek için bilgisayar algoritmaları geliştirdik ve nörologların derecelendirmeleriyle güçlü bir şekilde ilişkilidir. Bu önlemler üzerinde eğitim alan makine öğrenme modelimiz, ortalama 0,83 puanlık ortalama MAE'ye kıyasla ortalama 0,58 puanlık mutlak hata (MAE) ile iki MDS-UPDRS sertifikalı puanlayıcıdan daha iyi performans gösterdi. Bununla birlikte, model uzman nörologlardan (0.53 MAE) biraz daha kötü performans gösterdi. Metodoloji benzer motor görevler için çoğaltılabilir, PD ve diğer hareket bozuklukları olan bireyleri uzaktan, objektif olarak ve nörolojik bakıma sınırlı erişimi olan alanlarda değerlendirme olanağı sağlar.

Özgün kaynak özetini okuyun

We present an artificial intelligence (AI) system to remotely assess the motor performance of individuals with Parkinson's disease (PD). In our study, 250 global participants performed a standardized motor task involving finger-tapping in front of a webcam. To establish the severity of Parkinsonian symptoms based on the finger-tapping task, three expert neurologists independently rated the recorded videos on a scale of 0-4, following the Movement Disorder Society Unified Parkinson's Disease Rating Scale (MDS-UPDRS). The inter-rater reliability was excellent, with an intra-class correlation coefficient (ICC) of 0.88. We developed computer algorithms to obtain objective measurements that align with the MDS-UPDRS guideline and are strongly correlated with the neurologists' ratings. Our machine learning model trained on these measures outperformed two MDS-UPDRS certified raters, with a mean absolute error (MAE) of 0.58 points compared to the raters' average MAE of 0.83 points. However, the model performed slightly worse than the expert neurologists (0.53 MAE). The methodology can be replicated for similar motor tasks, providing the possibility of evaluating individuals with PD and other movement disorders remotely, objectively, and in areas with limited access to neurological care.

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.