İzah edilə bilən 3D çoxölçülü hərəkət kəmiyyəti motor qiymətləndirmələrini avtomatlaşdırır və Parkinson xəstəliyinin müddətini təxmin edir

Parkinson xəstəliyi (PD) -də motor zəifliyinin miqyaslı qiymətləndirilməsi, xüsusilə də çatışmazlığın zamanla necə inkişaf etdiyini izləməkdə məhduddur. Hələlik hərəkət pozuntuları cəmiyyətinin vahid Parkinson xəstəliyi reytinq miqyası (MDS-UPDRS) da daxil olmaqla yataq yanındakı reytinq sistemləri klinik əhəmiyyətli müşahidələri əhatə edir, lakin onları kateqoriya, yarı subyektiv reytinqlərə sıxır. Bu əl hesablama prosesi qeyri-dəqiqdir, diaqnoz və proqnoz dəqiqliyini məhdudlaşdırır və PD pozuntularının və onların inkişafının anlayışına mane olur. Sensorlara əsaslanan ölçmələr və maşın öyrənməsi vasitəsilə hesablamaların yaxşılaşdırılması üçün son vaxtlar səylər aparılsa da, bu yanaşmaların faydalı və klinik qəbuluna mane olan məhdudiyyətləri var. Prensipi olaraq, video əsaslı metodlar motor funksiyanın hərtərəfli miqdarlaşdırılmasını və monitorinq edilməsini təmin edir, lakin əvvəlki yanaşmalar əsasən qeyri-müəyyən 2D hərəkət xüsusiyyətlərindən istifadə edib, yalnız fərdi motor vəzifələri təhlil edib və xəstəliklərin inkişafını həll etməyib. Burada, sinxronlaşdırılmış, markersiz 3D poz izləmə sisteminə əsaslanan şərh edilə bilən, miqyaslı bir çərçivə təqdim edirik. Biz PD və sağlam mütəxəssislərdən böyük bir qrupdan MDS-UPDRS-in müntəzəm olaraq həyata keçirilən üç motor vəzifəni qeyd etdik və vəzifə səviyyəsində, klinik olaraq izah edilə bilən kinematik xüsusiyyətləri çıxardıq. Bu tədbirlər PD motor funksiyasının qısa, lakin hərtərəfli bir görünüşünü təqdim edən komplementar motor alt sistemlərini - əlin incə, əlin alt hissəsinin döngüsü və bütün bədənin hərəkətini - araşdırdı. 3D pozlardan, biz PD və sağlam subyektlər arasında hərəkət nümunələrinin necə fərqləndiyini və bu nümunələrin PD-nin inkişaf etdiyi kimi fərqli hərəkət xüsusiyyətləri formalaşdığını inkişaf etdirdik. Bir çox məkan-zaman ölçeyinə daxil olan bir çox fəaliyyətdən 3D motor xüsusiyyətlərini birləşdirən maşın öyrənmə modellərindən istifadə edərək, biz həmçinin avtomatik olaraq diaqnoz vəziyyətini, müddətə müəyyən edilmiş PD ağırlığını və diaqnozdan sonra nəticələnən vaxtını təsnif etdik. Bu nəticələr klinik və sınaqlarda PD-nin gələcəkdə uzadıcı nəzarətini dəstəkləyə biləcək şəffaf rəqəmsal biomarkera çərçivəsini qurur.

Bu tədqiqat Duke Universitetinin daxili qrantları (Gilhuly Accelerator Award) və kafedra vəsaitləri ilə maliyyələşdirildi. Biz Karen White Tong, Lisa Gauger və Jessica Carlson-a təşəkkür edirik Duke Neurologiya Klinikasında mütəxəssislərin toplanması və məlumat toplamalarına kömək etdikləri üçün. Nicole Calakosun dəstəyi və rəhbərliyi üçün minnətdarıq. Biz həmçinin bu tədqiqatda iştirak edən xəstələrə və sağlam könüllülərə təşəkkür edirik.

Bu müəlliflər də eyni dərəcədə töhfə verirdilər: Yuxuan Wen, Lauren Lim.

Duke Universitetinin Biomedik mühəndisliyi kafedrası, Durham, NC, ABŞ

Kyungdo Kim, Yuxuan Wen, Lauren Lim, Sihan Lyu, Yi Shi & Timothy W. Dunn

Neyrologiya kafedrası, Duke Universitetinin Tibb Məktəbi, Durham, NC, ABŞ