近年来,随着科技的进步和医疗需求的增加,低成本可穿戴传感器在医疗领域的应用越来越广泛。伊利诺伊大学厄巴纳-香槟分校(2024USNews美国大学排名:35)的研究人员和临床合作伙伴在一项新研究中发现,通过结合机器学习方法和健康老年人的基线数据,这些传感器可以显著提高帕金森病症状检测和病情监测的准确性。这一发现不仅为帕金森病患者的护理带来了新的希望,也为远程医疗的发展提供了重要的技术支持。
低成本可穿戴传感器在帕金森病检测中的应用
帕金森病是一种常见的神经退行性疾病,主要表现为运动障碍,如震颤、僵硬和运动迟缓。传统的帕金森病评估方法通常需要患者定期前往医院进行面对面的专科医生访问,这不仅耗时费力,而且在某些地区由于医疗资源的限制,患者可能无法得到及时的评估和治疗。低成本可穿戴传感器的出现为这一问题提供了新的解决方案。
伊利诺伊大学厄巴纳-香槟分校的研究团队通过使用低成本可穿戴传感器,结合机器学习方法和健康老年人的基线数据,显著提高了帕金森病患者运动障碍检测的准确性。研究表明,扩展包含健康老年人运动数据的数据集并与深度学习方法结合,可以提高检测帕金森病患者运动障碍差异的准确性,从而在未来的远程医疗会诊中使用。
机器学习方法在医疗中的应用
机器学习作为人工智能的一个重要分支,近年来在医疗领域的应用越来越广泛。通过分析大量的医疗数据,机器学习算法可以帮助医生更准确地诊断疾病、预测病情发展和制定治疗方案。例如,华盛顿大学圣路易斯分校的研究人员开发了一种新的机器学习方法,可以更准确地预测脊柱手术的恢复情况。这种方法利用了多模态多任务学习技术,能够有效结合不同类型的数据,预测多个恢复结果。
在帕金森病的检测中,伊利诺伊大学的研究团队采用了深度学习方法,通过预训练和添加健康老年人数据,提高了手部运动任务中识别运动障碍的准确性超过12%。这种方法不仅提高了检测的准确性,还为远程医疗评估提供了技术支持,使得帕金森病患者可以在家中进行自我评估,减少了前往医院的频率。
健康老年人基线数据的重要性
在机器学习模型的训练过程中,基线数据的选择至关重要。健康老年人的基线数据为帕金森病患者的运动障碍检测提供了一个重要的参考标准。通过比较健康老年人和帕金森病患者的运动数据,研究人员可以更准确地识别出帕金森病患者的运动障碍。
一项关于中国中老年人群中多病共存与跌倒之间关系的研究表明,健康老年人的基线数据在评估慢性病和跌倒风险方面具有重要意义。研究对象为45岁及以上的中国健康与退休纵向研究(CHARLS)参与者,通过二元逻辑回归评估慢性病对跌倒发生率的影响,并通过多项逻辑回归分析基线跌倒与多病共存之间的关系。研究结果显示,健康老年人的基线数据可以帮助预测慢性病的发展和跌倒风险,从而为预防和干预提供依据。
提高运动障碍检测的准确性
帕金森病患者的运动障碍检测是疾病评估和治疗的重要环节。伊利诺伊大学的研究团队通过改进低成本可穿戴传感器的评估方法,显著提高了运动障碍检测的准确性。他们采用了运动障碍协会赞助的统一帕金森病评分量表修订版(MDS-UPDRS),并使用传感器收集的数据对其进行评分。通过预训练和添加健康老年人数据,研究人员提高了手部运动任务中识别运动障碍的准确性超过12%。
此外,研究团队还希望进一步与神经学家和临床医生合作,扩展他们的模型,识别少量额外任务,以定量测量帕金森病的经典症状,如震颤。通过这种方式,低成本可穿戴传感器在远程医疗环境中执行临床评估活动时,可能会提供更多客观、可量化的信息,有助于指导帕金森病患者的治疗,并希望改善生活质量。
研究人员与临床医生的合作
在医疗研究中,研究人员与临床医生的合作至关重要。通过合作,研究人员可以获得更多的临床数据和专业知识,从而提高研究的准确性和实用性。例如,DC Lupus Consortium (DCLC) 是由NIAMS Lupus Clinical Trials Unit于2016年成立的一个合作网络,旨在促进华盛顿特区大都会区内对狼疮临床研究的合作。DCLC汇集了风湿病学家、肾病学家、物理治疗师及其他对狼疮研究感兴趣的医疗保健提供者,通过合作与转诊,为狼疮患者提供更好的护理。
在帕金森病的研究中,伊利诺伊大学的研究团队也希望进一步与神经学家和临床医生合作,扩展他们的模型,识别少量额外任务,以定量测量帕金森病的经典症状。通过这种合作,研究人员可以获得更多的临床数据和专业知识,从而提高模型的准确性和实用性。
结论
伊利诺伊大学厄巴纳-香槟分校的研究人员和临床合作伙伴通过使用低成本可穿戴传感器,结合机器学习方法和健康老年人的基线数据,显著提高了帕金森病症状检测和病情监测的准确性。这一发现不仅为帕金森病患者的护理带来了新的希望,也为远程医疗的发展提供了重要的技术支持。
通过机器学习方法的应用,研究人员可以更准确地诊断疾病、预测病情发展和制定治疗方案。健康老年人的基线数据为帕金森病患者的运动障碍检测提供了重要的参考标准,提高了检测的准确性。研究人员与临床医生的合作也为研究的准确性和实用性提供了保障。
未来,随着技术的不断进步和研究的深入,低成本可穿戴传感器在帕金森病检测和远程医疗中的应用前景将更加广阔。通过不断改进和优化传感器和机器学习模型,研究人员希望能够为帕金森病患者提供更好的护理和治疗,改善他们的生活质量。
参考资料:
- Wearable sensors for Parkinson’s can improve with machine learning, data from healthy adults
- Wearable sensors for Parkinson’s can improve with machine learning, data from healthy adults
- New machine learning method can better predict spine surgery outcomes
- Bidirectional association between falls and multimorbidity in middle-aged and elderly Chinese adults: a national longitudinal study
- Small, low-cost wearable sensors could help treat Parkinson’s
- DC Lupus Consortium | NIAMS
【独家稿件声明】本文为美国续航教育(Forward Pathway LLC,官网地址:www.forwardpathway.com)原创,未经授权,任何媒体和个人不得全部或者部分转载。如需转载,请与美国续航教育联系;经许可后转载务必请注明出处,违者本网将依法追究。
美国续航教育总部位于美国加利福尼亚州洛杉矶,同时在中国上海和深圳设有续航教育分部。续航教育自2013年成立以来,致力于研究中美之间的文化教育发展与趋势,提供最专业的美国留学一站式服务,获得美国国际招生协会AIRC及国际教育顾问委员会ICEF的双重认证。
觉得有用的话就评价/分享一下吧~