Using AI to Measure Parkinson’s Disease Severity at Home

要約

タイトル：AIを使った在宅でのパーキンソン病の重症度測定

要約：

– パーキンソン病（PD）の患者の運動パフォーマンスを遠隔で評価するためのAIシステムを提案している。
– ウェブカメラの前で指を叩くなどのモータータスクを行い、250人のグローバルな参加者のデータをMovement Disorder Society Unified Parkinson’s Disease Rating Scale（MDS-UPDRS）に沿って3人の神経学専門医が評価した。
– 神経学専門医の評価は非常に信頼性が高く、ICC（intra-class correlation coefficient）は0.88であった。
– MDS-UPDRSガイドラインに沿った客観的な測定を行う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く相関する測定結果を得た。
– これらの測定結果でトレーニングした機械学習モデルは、MDS-UPDRS認定評価者よりも平均絶対誤差（MAE）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（MAEが0.53）よりも若干劣った結果であった。
– この方法論は同様のモータータスクに対してレプリケーションが可能であり、神経学的なケアに限られた地域でもPDやその他の運動障害を持つ人々を遠隔で、客観的に評価することができる。

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