NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planParkinson Hastalığı, 60'lı yıllarda en sık görülen ikinci nörolojik hastalıktır. Bilişsel bozukluk, tanı sonrası 20 yıla kadar ciddi işlev bozukluğu riski olan önemli bir klinik semptomdur. Bilişsel bozuklukların tespiti ve teşhisi için süreçler, önemli bir etki için erken bir aşamada düşüşü tahmin etmek için yeterli değildir. Yaşlanan popülasyonlar, nörolog sıkıntısı ve öznel yorumlar kararların ve teşhislerin etkinliğini azaltır. Araştırmacılar artık semptom sunumu ve klinik araştırmaya dayalı bilişsel bozukluğun tespiti ve teşhisi için makine öğrenimini kullanıyorlar. Bu çalışma, bilişsel bozukluğu tespit etmek ve teşhis etmek için makine öğrenimi uygulayan yayınlanmış çalışmalara genel bir bakış sağlamayı, uygulanan yöntemlerin fizibilitesini, etkilerini değerlendirmeyi ve yöntemler, modaliteler ve sonuçlar için uygun öneriler sunmayı amaçlamaktadır.MetodlarParkinson Hastalığı'nda bilişsel bozukluğun tespiti ve teşhisi için kullanılan makine öğrenimi tekniklerine, veri kaynaklarına ve modalitelerine genel bir bakış sağlamak için PubMed, IEEE Xplore Science ve Score'de yayınlanan çalışmaların bir incelemesini yaptık. Bu incelemeye 70 çalışma dahil edildi ve her birinden en alakalı bilgiler çıkarıldı. Her çalışmadan strateji, modaliteler, kaynaklar, yöntemler ve sonuçlar çıkarılmıştır.SonuçlarLiteratürler, makine öğrenimi tekniklerinin Parkinson Hastalığı'ndaki bilişsel bozulmanın araştırılması konusunda önemli bir içgörü sağlama potansiyeline sahip olduğunu göstermektedir. İncelememiz, Parkinson Hastalığı'ndaki bilişsel bozukluğun tespiti ve teşhisi için, görüntüleme, EEG, konuşma ve daha fazlası dahil olmak üzere, dikkate değer teşhis doğruluğu sağlayan çok çeşitli farklı modalitelerin analizinde makine öğreniminin çok yönlülüğünü göstermektedir.ConclusionsMachine öğrenme tabanlı müdahaleler, verilerden anlamlı bir içgörü elde etme potansiyeline sahiptir ve makine öğreniminin klinik uygulamaya uygulanması için net ve zorlu bir potansiyel sağlayan bilişsel bozukluk değerlendirmesini arttırmanın invaziv olmayan yollarını sunabilir.
Özgün kaynak özetini okuyun
BackgroundParkinson's Disease is the second most common neurological disease in over 60s. Cognitive impairment is a major clinical symptom, with risk of severe dysfunction up to 20 years post-diagnosis. Processes for detection and diagnosis of cognitive impairments are not sufficient to predict decline at an early stage for significant impact. Ageing populations, neurologist shortages and subjective interpretations reduce the effectiveness of decisions and diagnoses. Researchers are now utilising machine learning for detection and diagnosis of cognitive impairment based on symptom presentation and clinical investigation. This work aims to provide an overview of published studies applying machine learning to detecting and diagnosing cognitive impairment, evaluate the feasibility of implemented methods, their impacts, and provide suitable recommendations for methods, modalities and outcomes.MethodsTo provide an overview of the machine learning techniques, data sources and modalities used for detection and diagnosis of cognitive impairment in Parkinson's Disease, we conducted a review of studies published on the PubMed, IEEE Xplore, Scopus and ScienceDirect databases. 70 studies were included in this review, with the most relevant information extracted from each. From each study, strategy, modalities, sources, methods and outcomes were extracted.ResultsLiteratures demonstrate that machine learning techniques have potential to provide considerable insight into investigation of cognitive impairment in Parkinson's Disease. Our review demonstrates the versatility of machine learning in analysing a wide range of different modalities for the detection and diagnosis of cognitive impairment in Parkinson's Disease, including imaging, EEG, speech and more, yielding notable diagnostic accuracy.ConclusionsMachine learning based interventions have the potential to glean meaningful insight from data, and may offer non-invasive means of enhancing cognitive impairment assessment, providing clear and formidable potential for implementation of machine learning into clinical practice.
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.