导读 隶属于巴西包鲁圣保罗州立大学 (UNESP) 体育系人体运动实验室 (Movi-Lab) 的科学家们正在使用人工智能来帮助诊断帕金森病并估计其进展
隶属于巴西包鲁圣保罗州立大学 (UNESP) 体育系人体运动实验室 (Movi-Lab) 的科学家们正在使用人工智能来帮助诊断帕金森病并估计其进展。
发表在Gait & Posture杂志上的一篇文章报告了一项研究的结果，其中机器学习算法通过分析空间和时间步态参数来识别疾病病例。
研究人员发现四个步态特征对于诊断帕金森症最重要：步长、速度、宽度和一致性(或宽度可变性)。为了衡量疾病的严重程度，最重要的因素是步宽可变性和双支撑时间(在此期间双脚与地面接触)。
“与科学文献相比，我们的研究通过使用比通常更大的数据库用于诊断目的而进行了创新。我们选择步态参数作为关键标准，因为步态障碍在帕金森氏症早期出现并随着时间的推移变得更糟，而且因为它们不相关具有年龄、身高和体重等生理参数，”该文章的合著者 Fabio Augusto Barbieri 告诉 Agência FAPESP。Barbieri 是 UNESP 科学学院 (FC) 体育系的教授。
研究样本包括 63 名参加 Ativa 帕金森病的参与者，这是一项在 FC-UNESP 为帕金森病患者进行的多学科系统化身体活动计划，以及 63 名健康对照者。所有志愿者都在 50 岁以上。七年来，数据被收集并输入到机器学习过程中使用的存储库中。
通过分析健康对照的步态参数并将其与该年龄组的预期水平进行比较，得出基线评估。这涉及使用特殊的运动捕捉相机来测量每个人的步幅长度、宽度、持续时间、速度、节奏、单双支撑时间，以及步幅可变性和不对称性。
研究人员使用这些数据创建了两种不同的机器学习模型——一种用于疾病的诊断，另一种用于估计被评估患者的严重程度。葡萄牙波尔图大学工程学院的科学家在这部分研究中进行了合作。