本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
经过事实检查
可信来源
校对
帕金森氏症发病缓慢，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，并测试他们的反应能力。总而言之，这对临床医生和患者来说都是一个耗时且劳动密集型的过程。
马里兰大学帕克分校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，以帮助实现零件自动化的过程。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》杂志上发表的一篇详细介绍该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) 一起开展了该项目。
帕金森氏症疾病一开始症状较轻，例如一只手轻微颤抖，但可能会发展为严重的肌肉僵硬和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。“活动障碍的诊断非常困难，”卡明斯说，他在马里兰大学高级计算机研究所 (UMIACS) 任职。“大部分过程都是主观的，因此并不高度准确。”
更精确的诊断方法可以通过减少多次就诊和减少患者面临的身体和心理痛苦来帮助减轻患者所面临的身心困扰。他说，这会导致误诊。
尽管过去已经开发出了用于诊断帕金森氏症的可穿戴传感器，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动作的单个移动任务可以有效区分患有以下疾病的个体：帕金森病对照。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%帕金森病的分期，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与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。
更多信息：Rana M. Khalil 等人，简化移动测试和数据处理以提高可穿戴传感器作为帕金森病诊断工具的适用性，传感器 (2024)。DOI：10.3390/s24154983