Using AI to Measure Parkinson’s Disease Severity at Home

要約

タイトル：在宅でパーキンソン病の重症度を測定するためのAIの使用
要約：
– PD患者の運動能力をリモートで評価するための人工知能システムを提案する。
– ウェブカメラの前で指をタップするなどのモータータスクを実行し、全世界の250人のデータを収集した。
– 収集されたデータはMDS-UPDRS（Movement Disorder Society Unified Parkinson’s Disease Rating Scale）に基づいて、3人の神経学専門医によって評価された。神経学専門医の評価はICC（内部一致係数）が0.88と高い信頼性があった。
– MDS-UPDRSガイドラインに沿った客観的な測定値を得るためのコンピュータアルゴリズムを開発し、神経学専門医の評価と強い相関があることを確認した。
– これらの測定値を用いて機械学習モデルをトレーニングし、MDS-UPDRS認定の評価者よりもMAE（平均絶対誤差）が0.79から0.59に向上した。
– ただし、モデルは神経学専門医よりもMAEが0.53と、若干劣っていた。
– 同様の運動タスクに対して、この手法を複製することができ、リモートでPD患者やその他の運動障害の評価が可能になる。また、神経学のケアにアクセスが制限されている地域でも使用できる。

要約(オリジナル)

We present an artificial intelligence system to remotely assess the motor performance of individuals with Parkinson’s disease (PD). Participants performed a motor task (i.e., tapping fingers) in front of a webcam, and data from 250 global participants were rated by three expert neurologists following the Movement Disorder Society Unified Parkinson’s Disease Rating Scale (MDS-UPDRS). The neurologists’ ratings were highly reliable, with an intra-class correlation coefficient (ICC) of 0.88. We developed computer algorithms to obtain objective measurements that align with the MDS-UPDRS guideline and are strongly correlated with the neurologists’ ratings. Our machine learning model trained on these measures outperformed an MDS-UPDRS certified rater, with a mean absolute error (MAE) of 0.59 compared to the rater’s MAE of 0.79. However, the model performed slightly worse than the expert neurologists (0.53 MAE). The methodology can be replicated for similar motor tasks, providing the possibility of evaluating individuals with PD and other movement disorders remotely, objectively, and in areas with limited access to neurological care.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI