NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan: Parkinson hastalığı (PD), 1817'de nadir görülen bir durumdan, küresel olarak en hızlı büyüyen nörolojik bozukluğa geçiş yaptı. 1990 yılında 2,5 milyondan 2016 yılında 6.1 milyona kadar olan vakalardaki önemli artış, 2040 yılına kadar daha da iki katına çıkma tahminleriyle birleştiğinde, yaklaşmakta olan bir sağlık sorununun altını çiziyor. Bu artış, artan yaşam beklentisi ve artan bir küresel nüfus da dahil olmak üzere küresel demografik kaymalarla aynı hizadadır. Ekonomik etki, özellikle ABD'de, 2017 yılında 51,9 milyar dolara ulaştı ve tahminler, hem hastalar hem de bakıcılar için önemli sosyo-ekonomik etkileri vurgulayarak, 2037 yılına kadar %46'lık bir artış olduğunu öne sürdü. 2030 yılına kadar 80 milyona çıkması beklenen dünya çapında sağlık çalışanlarına yönelik taleple birleştiğinde, bir pandemi için verimli bir zemine sahibiz. Yöntemler: Disiplinler arası araştırmamız, çalışan konuşma ve sürekli el yazısı analizi yoluyla erken PD tespitine, tıbbi, biyomedikal mühendisliği, yapay zeka ve dil uzmanlığına odaklandı. Kohort, Hoehn ve Yahr ölçeğinde 1-4. aşamalarda 20 PD hastası ve 10 sağlıklı kontrol olmak üzere 30 katılımcıdan oluşuyordu. Prodromal PD biyobelirteçlerini tanımlamayı amaçlayan konuşma ve el yazısı özelliklerinden üretilen korelasyon olaylarını analiz etmek için gelişmiş AI teknikleri kullandık. Bulgular: Çalışma, PD hastalarında kontrollere kıyasla belirgin konuşma ve el yazısı desenleri ortaya koymuştur. ParkinsonNet modelimiz yüksek tahmin doğruluğu gösterdi, F1 puanları konuşma için %95.74 ve el yazısı analizleri için %96.72 idi. Bu bulgular, konuşma ve el yazısı potansiyelini PD için etkili erken biyobelirteçler olarak vurgulamaktadır. Sonuç: Konuşma ve el yazısı analizinde karar destek sistemi olarak yapay zekanın entegrasyonu, erken PD tespiti için umut verici bir yaklaşım sunmaktadır. Bu metodoloji sadece yeni bir teşhis aracı sunmakla kalmaz, aynı zamanda PD'nin erken belirtilerinin daha geniş bir şekilde anlaşılmasına katkıda bulunur. Bu bulguları daha büyük, çeşitli kohortlarda doğrulamak ve bu araçları zamanında PD ön tanı ve yönetimi için klinik uygulamaya entegre etmek için daha fazla araştırma gerekmektedir.
Özgün kaynak özetini okuyun
Background: Parkinson's disease (PD) has transitioned from a rare condition in 1817 to the fastest-growing neurological disorder globally. The significant increase in cases from 2.5 million in 1990 to 6.1 million in 2016, coupled with predictions of a further doubling by 2040, underscores an impending healthcare challenge. This escalation aligns with global demographic shifts, including rising life expectancy and a growing global population. The economic impact, notably in the U.S., reached $51.9 billion in 2017, with projections suggesting a 46% increase by 2037, emphasizing the substantial socio-economic implications for both patients and caregivers. Coupled with a worldwide demand for health workers that is expected to rise to 80 million by 2030, we have fertile ground for a pandemic. Methods: Our transdisciplinary research focused on early PD detection through running speech and continuous handwriting analysis, incorporating medical, biomedical engineering, AI, and linguistic expertise. The cohort comprised 30 participants, including 20 PD patients at stages 1-4 on the Hoehn and Yahr scale and 10 healthy controls. We employed advanced AI techniques to analyze correlation plots generated from speech and handwriting features, aiming to identify prodromal PD biomarkers. Results: The study revealed distinct speech and handwriting patterns in PD patients compared to controls. Our ParkinsonNet model demonstrated high predictive accuracy, with F1 scores of 95.74% for speech and 96.72% for handwriting analyses. These findings highlight the potential of speech and handwriting as effective early biomarkers for PD. Conclusions: The integration of AI as a decision support system in analyzing speech and handwriting presents a promising approach for early PD detection. This methodology not only offers a novel diagnostic tool but also contributes to the broader understanding of PD's early manifestations. Further research is required to validate these findings in larger, diverse cohorts and to integrate these tools into clinical practice for timely PD pre-diagnosis and management.
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.