生物科学门户网站
BIO1000.COM

机器学习有助于发现多发性硬化症患者的步态问题

伊利诺伊州,香槟-监测多发性硬化症相关步态问题的进展对于50岁以上的成年人来说可能是一项挑战,需要临床医生区分与MS相关的问题和其他与年龄相关的问题。为了解决这个问题,研究人员正在整合步态数据和机器学习,以提高用于监测和预测疾病进展的工具。

伊利诺伊大学厄巴纳香槟分校研究生Rachneet Kaur,运动学和社区卫生教授Manuel Hernandez以及工业和企业工程与数学教授Richard Sowers领导的这种方法的新研究发表在《电气与电子工程师学会生物医学工程学报》上。

多发性硬化症可在全球影响的约200万人中以多种方式出现,而步行问题是常见症状。研究报告称,大约有一半的患者在发病后15年内需要步行帮助。

Hernandez说:“我们想了解衰老与并发MS疾病相关变化之间的相互作用,以及我们是否也可以区分老年MS患者。”“机器学习技术似乎在发现复杂的性能变化方面特别有效。我们假设,这些分析技术也可能有助于预测MS患者的步态突然变化。”

该团队使用仪器化的跑步机,从20名患有MS的成年人和20名年龄,体重,身高和性别相匹配的无MS成年人中收集了步态数据-根据体重和人口统计进行了标准化。参与者以舒适的步伐行走长达75秒,而专用软件捕获了每次行走过程中的步态事件,相应的地面反作用力和压力中心位置。研究小组在每个步伐中提取了每个参与者的特征性空间,时间和动力学特征,以检查每个试验过程中步态的变化。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。