Носимый датчик отслеживает шаги для выявления неврологических расстройств

Возможно, было бы неплохо начать следить за своими шагами — по крайней мере, за их длительностью. Длина ваших шагов может помочь определить ранние признаки различных неврологических заболеваний и отслеживать их ухудшение. Длина шага обычно уменьшается с возрастом, а также у людей с неврологическими расстройствами.

Исследователи из Тель-Авивского университета (ТАУ) и Тель-Авивского медицинского центра Сураски (TASMC) провели международное междисциплинарное исследование, в ходе которого была разработана инновационная модель на основе машинного обучения для точной оценки длины шага.

В четыре раза точнее, чем традиционные методы

Их алгоритм преобразует данные с небольшого, легкого, водонепроницаемого датчика, установленного на пояснице, который обеспечивает точную оценку длины каждого шага. Это примерно в четыре раза точнее, чем традиционные биомеханические модели.

Предыдущие исследования изучали носимые устройства, которые используют датчики, называемые инерциальными измерительными блоками (IMU), для оценки длины шага, но эти эксперименты проводились с использованием устройств, которые было неудобно носить, что иногда приводило к необходимости использования нескольких датчиков одновременно. Оно также проводилось только со здоровыми людьми, не испытывающими затруднений при ходьбе, и основывалось на небольшом размере выборки, не позволяющем делать обобщения.

«Длина шага является чувствительным, неинвазивным показателем широкого спектра проблем, связанных со старением, снижением когнитивных функций и «От неврологических заболеваний, рассеянного склероза, болезни Паркинсона и болезни Альцгеймера, а также тяжелых сердечно-сосудистых заболеваний и инсульта, наша модель дает возможность непрерывно контролировать этот ключевой аспект состояния пациента». Была собрана точная и разнообразная база данных, состоящая из 83 569 шагов.

Новую модель можно интегрировать в носимое устройство, которое фиксируется с помощью кожной полоски на пояснице и позволяет осуществлять непрерывный мониторинг шагов пациента в его повседневной жизни. Сегодняшние традиционные измерительные приборы статичны и громоздки и встречаются только в специализированных клиниках и лабораториях. По словам исследователей, новая модель обеспечивает точные измерения в естественной среде пациента в течение дня с помощью носимого датчика.

Исследование провел Ассаф Задка, аспирант кафедры биомедицинской инженерии Тель-Авивского университета; Профессор доктор Джеффри Хаусдорф с кафедры физиотерапии факультета медицинских и медицинских наук и школы нейронаук Сагола Тель-Авивского университета и кафедры неврологии Тель-Авивской медицинской школы; и профессор доктор Нита Рабин с факультета промышленной инженерии Инженерной школы Флейшмана Тель-Авивского университета. В исследовании также приняли участие Эран Газит из Тель-Авивской медицинской школы и профессор доктор Анат Мерлеман из Тель-Авивского университета и медицинского факультета Тель-Авивской медицинской школы, а также исследователи из Бельгии, Англии, Италии, Нидерландов и США. Состояния.

«Длина шага — это высокочувствительный, неинвазивный показатель для оценки широкого спектра состояний и заболеваний, включая старение, снижение в результате неврологических и нейродегенеративных заболеваний, а также снижение когнитивных функций», — объяснил Хаусдорф, невролог, специализирующийся в области ходьба, старение и падения.

«Сегодня стало обычным измерять длину шага с помощью устройств на базе камеры и измерительных устройств, таких как чувствительные к силе коврики для ходьбы, которые можно найти только в специализированных лабораториях и клиниках», — сказал он. «Хотя эти тесты точны, они дают лишь беглый взгляд на походку человека, которая может не полностью отражать реальную производительность в реальном мире. На ежедневную ходьбу может влиять уровень усталости, настроение и прием лекарств. Круглосуточный мониторинг «Все дни недели, подобные тем, которые стали возможны благодаря этой новой модели длины шага, могут фиксировать реальное поведение при ходьбе».

Преобразование шагов в обнаружение заболеваний

Эксперт по машинному обучению Рабин добавил: «Мы хотели решить проблему, используя системы IMU — легкие и относительно дешевые датчики, которые в настоящее время установлены в каждом телефоне и умных часах и измеряют параметры, связанные с ходьбой. Целью была разработка алгоритма, который мог бы транслировать данные IMU. в точную оценку длины шага и объединение в носимое и удобное устройство.

Команда добилась успеха, используя данные о походке и длине шага, основанные на датчиках IMU, которые традиционно измерялись в предыдущем исследовании 472 человек с болезнью Паркинсона, легкими когнитивными нарушениями или рассеянным склерозом, а также со здоровыми пожилыми людьми и молодыми людьми. Они использовали данные для обучения ряда компьютерных моделей, которые преобразули данные IMU в оценку длины шага. Чтобы проверить точность моделей, они определили, насколько разные модели могут правильно анализировать новые данные, которые не использовались в процессе обучения.

«Мы обнаружили, что модель под названием XGBoost является наиболее точной и примерно в 3,5 раза точнее, чем самая совершенная биомеханическая модель, используемая в настоящее время для оценки длины шага», — сказал Задка.

«Для одного шага наша модель имела среднюю ошибку в шесть сантиметров по сравнению с 21 сантиметром, предсказанным традиционной моделью. Когда мы усреднили 10 шагов, мы получили ошибку менее пяти сантиметров — порог, известный в профессиональной литературе. как «минимальная разница», «имеющая клиническое значение» – которая позволяет выявить значительное улучшение или ухудшение состояния человека, сказал он.

«Наша модель надежна и надежна, и ее можно использовать для анализа данных датчиков пациентов, у некоторых из которых есть трудности с ходьбой, и которые не были включены в исходную обучающую выборку».

«В нашем исследовании мы сотрудничали с исследователями в различных областях по всему миру, и междисциплинарные усилия привели к многообещающим результатам», — заключил Хаусдорф. «Мы разработали модель машинного обучения, которую можно объединить с носимым датчиком, который прост в использовании. и обеспечивает точную оценку длины шага пациента ежедневно».

Он добавил: «Собранные таким образом данные позволяют осуществлять удаленный и долгосрочный мониторинг состояния пациента, а также могут быть использованы в клинических испытаниях для изучения эффективности лекарств. Основываясь на наших обнадеживающих результатах, мы исследуем, является ли это возможно разработать подобные модели на основе данных датчиков». «В умных часах, что еще больше повысит комфорт пациентов».