NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), ciddiyeti Birleşik Parkinson Hastalığı Değerlendirme Ölçeği (UPDRS) kullanılarak yaygın olarak değerlendirilen motor bozukluklarla karakterize olan ilerici bir nörolojik bozukluktur. Klinik olarak kurulmuş olmasına rağmen, UPDRS değerlendirmesi doğası gereği özneldir, eğitimli uzmanlar tarafından şahsen değerlendirilmesini gerektirir ve sık izleme için uygunluğunu sınırlar. Konuşma üretimi PD'nin erken dönemlerinde etkilenir ve uzaktan semptom değerlendirmesi için non-invaziv bir yöntem sağlar. Bu çalışmada, konuşma sinyallerinden PD şiddetini tahmin etmek için belirsizlik farkında kişiselleştirilmiş bir çerçeve önerilmiştir. Yaklaşım, uzunlamasına konuşma kayıtlarının uzunlamasına zamansal modellemesini hastaya özgü gösterimler ve olasılıksal bir gizli hastalık durumu ile bütünleştirir. Sürekli motor UPDRS skorları, veri odaklı ordinal hastalık şiddeti aşamaları ile birlikte tahmin edilir ve hem ince taneli regresyon hem de yardımcı ordinal tahmin sağlar. Öngörülen belirsizlik, önerilen çerçeve içindeki öngörüsel değişkenliği karakterize etmek için açıkça ölçülür. Yöntem, hasta açısından sıkı bir bölünme kullanarak, tüm test deneklerinin eğitim sırasında görülmemesini sağlayan uzunlamasına bir konuşma veri kümesi üzerinde değerlendirilir. Tutulan test setinde, önerilen model, motor UPDRS tahmini için umut verici tahmin doğruluğu (anlam mutlak hata 0.56 UPDRS puanı, kök ortalama kare hata 0.74 ve kararlılık katsayısı R2 = 0,99) elde eder. Ordinal ciddiyet sınıflandırması üç aşamada 0.92 doğruluk elde etti. Klasik makine öğrenme yöntemlerine ve küresel zamansal temellere karşı yapılan karşılaştırmalı deneyler tutarlı performans iyileştirmeleri göstermektedir. Bu sonuçlar, uzunlamasına PD ciddiyet tahmini için kişiselleştirilmiş, belirsizlik farkında konuşma modelleme potansiyelini göstermektedir.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is a progressive neurological disorder characterized by motor impairments whose severity is commonly assessed using the Unified Parkinson's Disease Rating Scale (UPDRS). Although clinically established, UPDRS assessment is inherently subjective, requiring in-person evaluation by trained specialists, limiting its suitability for frequent monitoring. Speech production is affected early in PD and provides a non-invasive modality for remote symptom assessment. In this study, an uncertainty-aware personalized framework is proposed for estimating PD severity from speech signals. The approach integrates longitudinal temporal modeling of longitudinal speech recordings with patient-specific representations and a probabilistic latent disease state. Continuous motor UPDRS scores are jointly estimated with data-driven ordinal disease severity stages, enabling both fine-grained regression and auxiliary ordinal prediction. Predictive uncertainty is explicitly quantified to characterize predictive variability within the proposed framework. The method is evaluated on a longitudinal speech dataset using a strict patient-wise split, ensuring that all test subjects are unseen during training. On the held-out test set, the proposed model achieves promising predictive accuracy (mean absolute error 0.56 UPDRS points, root mean squared error 0.74, and coefficient of determination R2 = 0.99) for motor UPDRS estimation. Ordinal severity classification attained an accuracy of 0.92 across three stages. Comparative experiments against classical machine learning methods and global temporal baselines demonstrate consistent performance improvements. These results demonstrate the potential of personalized, uncertainty-aware speech modeling for longitudinal PD severity estimation.
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.