NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
İzole hızlı göz hareketi uyku davranış bozukluğu (irBD), genellikle Parkinson hastalığının klinik başlangıcından önce, Lewy cisimleriyle demans veya çoklu sistem atrofisi olan alfa-sinükleinopatilerin önemli bir prodromal belirteçidir. Bilek-yıpranmış aktimetreler anormal gece hareketlerini yakalayarak büyük ölçekli tarama çalışmalarında RBD tespiti için önemli bir potansiyele sahip olsa da, güvenilir ve verimli bir analiz boru hattı gerektirirler. Bu çalışma, RBD'yi aktigrafi kayıtlarından tanımlamak için tamamen otomatik, açık kaynaklı bir makine öğrenme aracı olan ActiTect'i sunar. Heterojen satın alma ayarlarında genellenebilirliği sağlamak için, boru hattımız, çok cihazlı verileri uyumlu hale getirmek ve fizyolojik olarak yorumlanabilir hareket özelliklerini çıkarmak için sağlam ön işleme ve otomatik uyku-uyanıklık tespitini içerir. Model geliştirme, 78 kişilik bir kohortta gerçekleştirildi ve iç içe geçmiş çapraz doğrulama altında güçlü ayrımcılık sağladı (AUROC = 0.95). Genelleme kör bir yerel test setinde (n = 31, AUROC = 0.86) ve iki bağımsız dış kohortta (n = 113, AUROC = 0.84; n = 57, AUROC = 0.94) doğrulandı. Sağlamlığı değerlendirmek için, kohortlar arasında left-one-dataset-out çapraz doğrulama tutarlı bir performans gösterdi (AUROC aralığı = 0.84-0.89). Tamamlayıcı istikrar analizi, öngörüsel özelliklerin veri kümeleri arasında tekrarlanabilirliğini sürdürdüğünü ve daha geniş bir dağıtım için havuzlu çok merkezli önceden eğitilmiş modeli desteklediğini gösterdi. Açık kaynaklı, kullanımı kolay bir araç olarak ActiTect, evlat edinme, bağımsız doğrulama ve işbirlikçi iyileştirmeleri teşvik eder, böylece genelleştirilebilir giyilebilir tabanlı RBD tespitini geliştirir.
Özgün kaynak özetini okuyun
Isolated rapid eye movement sleep behavior disorder (iRBD) is a major prodromal marker of α-synucleinopathies, often preceding the clinical onset of Parkinson's disease, dementia with Lewy bodies, or multiple system atrophy. While wrist-worn actimeters hold significant potential for detecting RBD in large-scale screening efforts by capturing abnormal nocturnal movements, they require a reliable and efficient analysis pipeline. This study presents ActiTect, a fully automated, open-source machine learning tool to identify RBD from actigraphy recordings. To ensure generalizability across heterogeneous acquisition settings, our pipeline includes robust preprocessing and automated sleep-wake detection to harmonize multi-device data and extract physiologically interpretable motion features. Model development was conducted on a cohort of 78 individuals, yielding strong discrimination under nested cross-validation (AUROC = 0.95). Generalization was confirmed on a blinded local test set (n = 31, AUROC = 0.86) and two independent external cohorts (n = 113, AUROC = 0.84; n = 57, AUROC = 0.94). To assess robustness, leave-one-dataset-out cross-validation across cohorts demonstrated consistent performance (AUROC range = 0.84-0.89). Complementary stability analysis showed that predictive features remained reproducible across datasets, supporting the pooled multi-center pre-trained model for broader deployment. As an open-source, easy-to-use tool, ActiTect promotes adoption, independent validation, and collaborative improvements, thereby advancing generalizable wearable-based RBD detection.
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.