来自牛津大学的一组研究人员首次证明，使用经过特殊训练的机器学习算法来分析来自患者佩戴的传感器设备的数据，准确跟踪帕金森病的进展是可能的。
由牛津大学纳菲尔德临床神经科学系的Chrystalina Antoniades教授领导的这项研究中描述的新方法可以被临床医生与更传统的临床评分量表一起使用，不仅可以提高诊断的准确性，还可以跟踪帕金森病的进展。“使用可穿戴传感器和机器学习识别帕金森病的运动进展”发表在npj帕金森病杂志上。
Antoniades教授说:“能够监测帕金森病等神经系统疾病患者运动症状的进展，主要有两个原因:临床医生需要对他们对个体患者疾病进展的评估有信心，进行临床试验的研究人员需要能够衡量治疗干预措施的效果。”
“这是临床试验的一个重要进展。将一种治疗帕金森病的新药从早期开发到临床使用需要数年时间，并且消耗大量资源，而且许多在实验室看起来很有希望的药物最终在患者身上不起作用。能够尽早发现有效的方法是至关重要的，这样就可以加快对它们的研究。我希望这些新的客观测量工具能使这一点变得更容易。
目前，临床医生使用评分量表(基于身体检查的评分系统)来评估帕金森病患者的主要症状。这样做的一个问题是，在评估中存在主观性因素，不同的临床医生可能不会提供相同的分数。另一个问题是，量表的间隔并不均匀——例如，30分和40分之间的差异可能与40分和50分之间的差异不一样。这意味着疾病进展的检测可能会延迟，并且在临床试验中，可以对数据进行的统计分析类型可能会受到限制。”
Antoniades教授的神经计量学实验室一直在进行实验，以评估患者在躯干、手腕和脚上佩戴的传感器设备，结合机器学习，是否能比传统的评分量表更准确地跟踪运动症状的进展。
他们和其他人之前已经证明，使用机器学习算法分析可穿戴设备的数据可以帮助进行准确的诊断。我们已经知道，这些新技术可以用来区分健康的老年人、患有不同严重程度帕金森病的个体和患有其他帕金森样疾病的个体。
在这项新研究中，研究人员询问是否有可能使用行走和站立任务中收集的数据，不仅用于诊断，还用于跟踪帕金森病运动症状的进展。研究人员每三个月去一次诊所，对研究参与者进行集中评估，以便团队能够确定他们的分析能够检测疾病进展的最短时间。他们发现，使用他们的技术，可以在短短15个月内检测到病情的进展。
更多信息:Charalampos Sotirakis等人，使用可穿戴传感器和机器学习识别帕金森病的运动进展，npj帕金森病(2023)。DOI: 10.1038/s41531-023-00581-2由牛津大学提供引文:可穿戴传感器提供帕金森病进展的早期检测(2023年，10月11日)2023年10月11日检索自https://medicalxpress.com/news/2023-10-wearable-sensors-early-parkinson-disease.html。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
