Искусственный интеллект помогает обнаруживать изменения походки и диагностировать болезнь Паркинсона

 

Ученые, связанные с лабораторией движения человека Департамента физического воспитания (Movi-Lab) Государственного университета Сан-Паулу (UNESP) в Бауру, Бразилия, используют искусственный интеллект, чтобы помочь диагностировать болезнь Паркинсона и оценить ее прогрессирование.

В статье, опубликованной в журнале Gait & Position, сообщается о результатах исследования, в ходе которого алгоритмы машинного обучения выявляли случаи заболевания путем анализа пространственных и временных параметров походки.

 

Исследователи обнаружили, что четыре особенности походки наиболее важны для целей диагностики болезни Паркинсона: длина шага, скорость, ширина и согласованность (или вариабельность ширины). Для оценки тяжести заболевания наиболее значимыми факторами были вариабельность ширины шага и время двойной опоры (в течение которого обе ноги соприкасаются с землей).

"Наше исследование было инновационным по сравнению с научной литературой за счет использования большей базы данных, чем обычно, для диагностических целей. Мы выбрали параметры походки в качестве ключевых критериев, потому что нарушения походки появляются на ранних стадиях болезни Паркинсона и со временем ухудшаются, а также потому, что они не коррелируют с физиологическими параметрами, такими как возраст, рост и вес", - сказал Фабио Аугусто Барбьери, соавтор статьи, агентству FAPESP. Барбьери является профессором кафедры физического воспитания в Школе наук UNESP (FC).

Выборка исследования включала 63 участника Ativa Parkinson, мультидисциплинарной программы систематизированной физической активности для пациентов с болезнью Паркинсона, проводимой в FC-UNESP, и 63 здоровых человека контрольной группы. Всем добровольцам было старше 50 лет. Данные собирались и загружались в хранилище, используемое в процессах машинного обучения в течение семи лет.

Исходная оценка была произведена путем анализа параметров походки для здоровых контрольных групп и сравнения их с ожидаемыми уровнями для этой возрастной группы. Это включало использование специальной камеры захвата движения для измерения шагов каждого человека по длине, ширине, длительности, скорости, ритму и времени одиночной и двойной поддержки, а также вариабельности шага и асимметрии.

Исследователи использовали эти данные для создания двух различных моделей машинного обучения — одной для диагностики заболевания, а другой для оценки его тяжести у обследованного пациента. Ученые из Инженерной школы Университета Порту в Португалии сотрудничали в этой части исследования.

Они обработали данные с помощью шести алгоритмов: наивного Байеса (NB), машины опорных векторов (SVM), дерева решений (DT), случайного леса (RF), логистической регрессии (LR) и многослойного персептрона (MLP). NB достиг 84,6% диагностической точности, в то время как NB и RF показали наилучшие результаты в оценке тяжести.

"Типичная точность клинических оценок составляет около 80%. Мы могли бы значительно снизить вероятность диагностической ошибки, объединив клиническую оценку с искусственным интеллектом", - сказал Барбьери.

Предстоящие задачи

Болезнь Паркинсона, по крайней мере частично, вызвана дегенерацией нервных клеток в областях мозга, которые контролируют движение, в результате недостаточной выработки дофамина. Дофамин - это нейромедиатор, который передает сигналы к конечностям. Низкий уровень дофамина ухудшает движение, вызывая такие симптомы, как тремор, медленная походка, ригидность и плохое равновесие, а также изменения в речи и письме.

Диагноз в настоящее время основывается на истории болезни пациента и неврологическом обследовании без каких-либо специальных тестов. Точная информация недоступна, но, по оценкам, от 3% до 4% населения в возрасте старше 65 лет страдают болезнью Паркинсона.

По словам другого соавтора, кандидата философии Тиаго Пенедо, чьи исследования курирует Барбьери, результаты исследования будут полезны для улучшения диагностической оценки в будущем, но стоимость может быть сдерживающим фактором. "Мы добились прогресса с этим инструментом и внесли свой вклад в расширение базы данных, но мы использовали дорогостоящее оборудование, которое трудно найти в клиниках и кабинетах врачей", - сказал он.

Оборудование, использованное в исследовании, стоит около 100 000 долларов США. "Можно проанализировать походку с помощью более дешевых методов, используя хронометр, силовую пластину и так далее, но результаты не точны", - сказал Пенедо.

Исследователи полагают, что методы, использованные в исследовании, могут способствовать лучшему пониманию механизмов, лежащих в основе заболевания, особенно моделей походки.

Более раннее исследование, о котором сообщалось в статье, опубликованной в 2021 году, с Барбьери в качестве последнего автора, показало на 53% меньшую синергию длины шага при преодолении препятствий у пациентов с болезнью Паркинсона, чем у здоровых людей того же возраста и веса. Синергия в данном случае относится к способности опорно-двигательного аппарата (или скелетно-мышечной системы) адаптировать движение, сочетая такие факторы, как скорость и положение ноги, например, при сходе с бордюра.

Другое исследование, также опубликованное в журнале "Походка и осанка", показало, что пациенты с болезнью Паркинсона были менее способны поддерживать постуральный контроль и стабильность при бессвязных движениях, чем их неврологически здоровые сверстники. Авторы заявили, что полученные результаты дают новое представление для объяснения большего, более быстрого и изменчивого влияния, наблюдаемого у пациентов с болезнью Паркинсона.

Категория: Наука и Техника | Добавил: fantast (23.11.2022)
Просмотров: 16 | Рейтинг: 0.0/0