生物帮Skoltech和AI Burnazyan联邦医学与生物物理中心的科学家已经设计并开发了基于AI辅助视频分析的第二种意见系统，该系统甚至可以在早期就帮助医疗专业人员客观地评估帕金森氏病(PD)的患者。
这种方法可以帮助避免误诊该疾病，区分其阶段，调整治疗方法并推荐诊断出的患者进行深部脑刺激手术。该论文发表在《IEEE传感器杂志》上。
由于人口老龄化，越来越多的人患有神经退行性疾病，这意味着在未来的几十年中，人类可能会面临真正的“帕金森氏病大流行”。PD是目前发展最快的神经退行性疾病，它会严重影响患者的生活质量，需要尽快准确地进行诊断。面临的挑战是如何区分帕金森氏病和其他具有类似运动症状的疾病，例如原发性震颤。到目前为止，PD还没有可用于持续诊断的单一生物标志物，医生必须依靠他们的观察结果，这通常会导致病理检查中发现错误的诊断结果。
助理教授安德烈·索莫夫(Andrey Somov)和他的同事建立了一个所谓的第二意见系统，该系统使用机器学习算法来分析执行特定运动任务的患者的视频记录。在一项小型先导研究中，该系统在检测潜在的PD病例并将其与原发性震颤区分开中显示出很高的性能。
该系统使用视频记录，使诊断过程快速，轻松且让患者感到舒适。该小组设计了15种常见练习，例如散步，坐在椅子上，站起来，折叠毛巾，将水倒入玻璃杯以及用食指触摸鼻子。这些是一般的精细运动，根本没有运动(用于评估静止时的震颤)，有些是临床医生用来评估震颤的活动。
“这些练习是在神经科医生的指导下设计的，并来自几种不同的来源，包括用于监测帕金森氏病的量表和该领域以前的研究。每次练习都有可以揭示的目标症状，” Skoltech博士研究生，论文的合著者Ekaterina Kovalenko解释说。
在初步研究中，记录了83名有或没有神经退行性疾病的患者执行了这些任务。然后使用一段软件对视频进行处理，该软件将关键点放置在人体上与关节和身体其他部位相对应的位置上，从而创建了移动物体的简化模型。使用机器学习技术对其进行了分析。
研究小组说，视频和机器学习的使用在诊断过程中引入了一定程度的客观性，使研究人员和医生能够检测出肉眼看不到的疾病及其阶段的非常特殊的特征。
“我们的初步结果显示了借助视频分析改善诊断的潜力。我们的目标是为医生和临床医生提供第二意见，而不是取代他们。基于视频的方法对于患者来说可能是最方便的，因为与各种传感器和测试相比，它是最通用且无创的。”作者在论文中写道。
“我们在这项研究中使用的机器学习和计算机视觉方法已经在许多医疗应用中得到了很好的确立;他们是可以信赖的，神经科医生已经针对帕金森氏病进行了诊断研究已有一段时间。这项研究真正新颖的是，我们根据这些练习对精确而具体的最终诊断的贡献对这些练习进行了定量排名。只有在医生，数学家和工程师之间的合作才能实现这一目标。” Skoltech副教授，该研究的合著者Dmitry Dylov说。
在早期的研究中，Somov的团队还在类似的可行性研究中使用了可穿戴式传感器，以帮助他们检测出最有用的运动，以机器学习辅助诊断帕金森氏症。
“在研究过程中，我们有机会与分享想法和经验的医生和医务人员紧密互动。观察两个看似不同的学科如何一起帮助人们，真是令人着迷。从设计方法到数据分析和机器学习，我们也有机会监测研究的各个方面。”科瓦连科说。
“医生与科学家之间在数据分析方面的合作允许许多重要的临床细微差别和细节，有助于获得最佳结果。作为医生，我们看到了巨大的潜力。除了鉴别诊断，我们还需要客观的工具来评估PD患者的运动波动。这些工具可以提供更个性化的治疗方法，并帮助做出神经外科手术决策，并在以后评估手术效果。”神经病学家叶卡特琳娜·布里(Ekaterina Bril)指出。
安德烈·索莫夫(Andrey Somov)表示，该团队的下一个目标是将视频分析和传感器数据结合在一起，以检测PD和诊断其阶段-他们希望这将提高准确性。“我们还牢记我们工作的创新方面–我们的团队同意，考虑将我们的研究结果转换为直观的软件产品确实有意义。我们相信我们的联合研究工作将对PD患者产生积极影响。”他补充说。
