Remote Medication Status Prediction for Individuals with Parkinson’s Disease using Time-series Data from Smartphones

要約

パーキンソン病などの神経疾患の治療は通常、病院から離れた場所で行われます。
このような研究室外の環境では、タイムリーで正確な健康状態データを収集することが困難になります。
ウェアラブル センサーから収集される行動信号の個人差も、現在の一般的な機械学習分析パイプラインの導入の困難につながります。
これらの課題に対処するために、我々は公開されている mPower データセットを使用してパーキンソン病患者の投薬状態を予測する方法を紹介します。このデータセットには、スマートフォンで 487 人の患者から収集された 62,182 件の遠隔マルチモーダル検査記録が含まれています。
提案された方法は、次の 3 つの投薬状態を客観的に予測する上で有望な結果を示しています。投薬前 (AUC=0.95)、投薬後 (AUC=0.958)、および別の時間 (AUC=0.976) を通じて学習された注意の重みを使用して患者ごとの病歴記録を調べることにより、
トランスフォーマーモデル。
私たちの方法は、タイムリーかつ客観的な方法でパーソナライズされた遠隔健康センシングのための革新的な方法を提供し、同様の幅広い用途に利益をもたらす可能性があります。

要約(オリジナル)

Medication for neurological diseases such as the Parkinson’s disease usually happens remotely away from hospitals. Such out-of-lab environments pose challenges in collecting timely and accurate health status data. Individual differences in behavioral signals collected from wearable sensors also lead to difficulties in adopting current general machine learning analysis pipelines. To address these challenges, we present a method for predicting the medication status of Parkinson’s disease patients using the public mPower dataset, which contains 62,182 remote multi-modal test records collected on smartphones from 487 patients. The proposed method shows promising results in predicting three medication statuses objectively: Before Medication (AUC=0.95), After Medication (AUC=0.958), and Another Time (AUC=0.976) by examining patient-wise historical records with the attention weights learned through a Transformer model. Our method provides an innovative way for personalized remote health sensing in a timely and objective fashion which could benefit a broad range of similar applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google