機械学習は、多発性硬化症患者の歩行の問題を検出するのに役立ちます
多発性硬化症に関連する歩行の問題の進行を監視することは、50歳以上の成人では困難な場合があり、臨床医はMSに関連する問題と他の加齢に関連する問題を区別する必要があります。この問題に対処するために、研究者は歩行データと機械学習を統合して、病気の進行を監視および予測するために使用されるツールを進歩させました。
多発性硬化症は、世界中で影響を及ぼしている約200万人にさまざまな形で現れる可能性があり、歩行の問題が一般的な症状です。患者の約半数は、発症から15年以内に歩行補助が必要です。研究者らは、加齢と多発性硬化症に関連する同時変化との相互作用、および多発性硬化症の高齢者の2つを区別できるかどうかを調べました。機械学習の手法は、パフォーマンスの複雑な隠れた変化を見つけるのに特に効果的です。
チームは、計装されたトレッドミルを使用して、MSのある成人20人と、MSのない年齢、体重、身長、性別が一致する20人の高齢者から、体のサイズと人口統計で正規化された歩行データを収集しました。参加者は快適なペースで最大75秒間歩き、専用のソフトウェアが各歩行中の歩行イベント、対応する床反力、および圧力の中心の位置をキャプチャしました。チームは、各参加者の歩幅の特徴的な空間的、時間的、および運動的特徴を抽出して、各試行中の歩行の変化を調べました。
バタフライダイアグラムと呼ばれるデータ機能を含むさまざまな歩行機能の変更は、チームが参加者間の歩行パターンの違いを検出するのに役立ちました。この図の名前は、被験者の歩行中に複数の連続したストライドで繰り返される圧力の中心の軌跡から作成された蝶の形の曲線に由来し、重要な神経機能に関連付けられています。
歩行などの生体力学的システムは、モデル化が不十分なシステムであるため、臨床現場で問題を特定することは困難です。新しい方法は、各個人の多くの測定値を含むが少数の個人を含むデータセットから結論を抽出しました。作業の結果は、臨床機械学習ベースの疾患予測戦略の分野で大きな前進を遂げています。
センサー