由营销和传播办公室制作
UMD 研究人员和同事致力于寻找更准确的方法来诊断疾病
照片由 Adobe Stock 提供
帕金森病发病缓慢，诊断这种经常造成破坏的运动障碍，特别是在早期阶段，通常需要让患者执行各种移动任务，观察他们的行走和运动模式，并测试他们的反应。总而言之，这对于临床医生和患者来说都是一个耗时且耗力的过程。
马里兰大学帕克斯生物信息学和计算生物学中心 (CBCB) 的研究人员刚刚发表了一项研究，该研究可能很快，每个相关人员都可以更轻松地进行诊断。
他们正在与马里兰大学巴尔的摩分校和其他地方的同事合作，使用机器学习算法来分析来自可穿戴运动跟踪传感器的数据，以帮助实现部分自动化过程。研究人员表示，这最终可以实现更准确、更早的诊断，进而实现更早的治疗干预。
Rana Khalil，六年级博士生。马里兰大学计算机科学专业的学生，也是《传感器》杂志上一篇详细介绍这项研究的新论文的主要作者，她与她的导师、生物学教授兼 CBCB 主任迈克尔·卡明斯 (Michael Cummings) 一起参与了该项目。
该项目由马里兰大学战略合作伙伴关系：MPowering the State（称为 MPower）提供的 100,000 美元种子基金资助，该计划旨在促进两个机构之间的合作。
帕金森病开始时有轻微症状，例如一只手轻微震颤，但可能会发展为严重的肌肉僵硬，并且在没有帮助的情况下无法行走。据美国国立卫生研究院称，美国约有 50 万人被诊断患有帕金森病。但由于许多人未被诊断或被误诊，专家认为多达一百万美国人可能患有这种使人衰弱的疾病。
这种巨大的差异凸显了临床医生和患者面临的核心问题之一：准确诊断的挑战这种疾病。卡明斯在马里兰大学高级计算机研究所 (UMIACS) 任职，他说，活动障碍的诊断非常困难。大部分过程都是主观的，因此并不高度准确。
他说，更精确的诊断方法可以通过减少多次就诊和误诊来帮助减轻患者面临的身心困扰。.
尽管过去已经开发出了用于诊断帕金森病的可穿戴传感器，但其复杂性阻碍了医生在诊所中使用它们。卡明斯说，这项新研究简化了传感器和机器学习在临床环境中的使用。它证明，放置在下背部的单个传感器和涉及多个运动的单个移动任务可以有效地区分帕金森病患者和对照组。然后，研究人员开发了一个复杂的机器学习框架，用于分析数据的模式和变化。
这增强了疾病症状的识别和诊断的准确性，该研究报告在识别不同类型的参与者方面的准确度为 92.6%帕金森病分期，超过了运动障碍专家之前报告的 81% 的临床诊断准确率。
展望未来，CBCB 研究人员已经深入参与了区分帕金森病和其他运动障碍的相关研究，试图进一步提高准确性并防止误诊。
《今日马里兰》由马里兰大学社区营销与传播办公室在学年期间的工作日（大学假期除外）制作。
教师，教职员工和学生每天都会收到《今日马里兰》电子通讯。要添加到订阅列表，请在此处注册：
订阅