韓國科學技術研究院智能與互動研究中心Dawoon Jung等人提出一種使用靜態站立平衡和機器學習來識別帕金森病(PD)及其階段的創新方法。11月30日，相關研究工作以“Identifying Parkinson’s disease and its stages using static standing balance”為題發表于《npj Digital Medicine》。

帕金森?。≒D）是世界上增長最快的神經系統疾病。由于震顫、僵硬、運動遲緩和姿勢不穩等癥狀，PD 患者在控制身體運動方面面臨重大挑戰。隨著這些癥狀的進展，保持平衡、行走和進行日?；顒樱ㄈ邕M食和穿衣）變得越來越困難。

目前對帕金森病（PD）的評估依賴于動態運動任務，限制了可及性。

該研究提出了一種創新方法，使用靜態站立平衡來識別 PD 及其階段，而無需動態運動或熟練專業人員參與的任務。通過在10秒靜態站立平衡任務期間收集壓力中心（CoP）軌跡數據。將使用表示學習和手工制作方法從這些數據中提取特征。將對基于Transformer 編碼器的分類器進行這些特征的訓練，并評估其在對沒有 PD 的個體和HY階段（經典PD分期方法） 1.0、1.5、2.0、2.5 和 3.0 期的 PD 患者進行分類方面的性能。

識別帕金森病及其 Hoehn 和 Yahr 分期的重要特征的可視化。圖片來源：npj Digital Medicine（2024）

該研究共招募了 210 名參與者，包括 1 例對照組和 5 例按分期分類的 PD 組。每個參與者完成一項 10 秒的靜態站立平衡任務，其中收集了內側和前后方向的壓力軌跡中心數據。

測試數據集中對 6 個研究組進行分類的結果的混淆矩陣

基于CoP軌跡數據中提取的特征，研究者使用表示學習和手工制作方法從中得出數據。基于 Transformer 編碼器的分類器對這些特征進行了訓練，并獲得了 F1- 對六個研究組進行分類的分數為 0.963。

從靜態站立平衡任務期間收集的壓力中心 （CoP） 軌跡數據得出的數據。

從輸入數據到輸出分類的處理管線

與動態運動任務（如步行）相比，10 秒靜態站立平衡任務的負擔相對較輕，并且需要最少的專業設置和幫助。這種方法不僅顯著提高了 PD 評估和監測的可及性，而且還消除了許多相關的限制。因此，它有助于早期發現 PD 和及時干預，改善患者和護理人員的預后和生活質量。

值得注意的是，本研究設計了一種在早期階段識別PD的方法，特別是 HY 1.0 和 1.5 期，這在以前的研究中有些被忽視。對疾病的早期評估允許更廣泛的治療選擇，并為減緩甚至阻止疾病進展提供了更大的潛力。同時，這種方法的有利結果可能源于利用對 CoP 數據進行多方面分析的新框架。與僅依賴橢圓參數的研究不同，本研究結合了來自時間、頻率和非線性域等各個域的參數。

研究者在文章中說到：“本研究中引入的新型數據挖掘框架預示著時間序列數據驅動型數字醫療保健的新時代?！?/p>

但是該研究的局限性也比較明顯。首先，該研究無法納入具有不同種族或地理背景的參與者，并且所有參與者都是韓國人。為了確?？赏茝V性，未來應在不同種族和更大人群中進行驗證。其次，該研究沒有考慮 PD 隨時間進行的性質。研究者同時正在計劃一項后續縱向研究，將 PD 的進展納入擬議的方法中。第三，用于本研究的設備相當專業，鑒于情況，可能不容易獲得。未來應考慮使用更可用的替代品（如智能鞋墊）。最后，該研究并未將提出的方法與其他 PD 評估工具進行比較。

文章鏈接：

https://www.nature.com/articles/s41746-024-01351-x