ການສຶກສາຄົ້ນພົບເຄື່ອງຈັກໃໝ່ – ປະເພດຂອງປັນຍາປະດິດຫຼື AI – ທີ່ປະສົມປະສານການສະແດງອອກທາງຫນ້າແລະສຽງໂດຍໃຊ້ກ້ອງຖ່າຍຮູບໂທລະສັບສະຫຼາດສາມາດຊ່ວຍແພດຫມໍໃນການກວດຫາພະຍາດ Parkinson ໃນຂັ້ນຕົ້ນ.

ການລວມເອົາຂໍ້ມູນການປ່ຽນແປງໃນລັກສະນະສຽງ ແລະໃບໜ້າຕາມອາຍຸ ແລະເພດໄດ້ອະນຸຍາດໃຫ້ algorithm ເພື່ອຈໍາແນກຄົນໃນຂັ້ນຕົ້ນຂອງ Parkinson ຈາກບຸກຄົນທີ່ມີສຸຂະພາບດີ.

“ຜົນໄດ້ຮັບເຫຼົ່ານີ້ໄດ້ສະຫນອງຫຼັກຖານເພື່ອສະແດງໃຫ້ເຫັນວ່າສຽງແລະການສະແດງອອກທາງຫນ້າທີ່ຖືກວິເຄາະດ້ວຍການຈັດປະເພດການຮຽນຮູ້ແບບເລິກເຊິ່ງສາມາດຈໍາແນກໄດ້ຢ່າງມີປະສິດທິພາບລະຫວ່າງຄົນເຈັບໃນໄລຍະຕົ້ນ. [Parkinson’s disease] ແລະຄວບຄຸມບຸກຄົນ” ໂດຍບໍ່ມີພະຍາດ neurodegenerative, ນັກຄົ້ນຄວ້າໄດ້ຂຽນວ່າ, “ການວິເຄາະນີ້ເຮັດຕາມສະຖານະການຂອງໂລກທີ່ແທ້ຈິງໃນການກວດສອບຊຸມຊົນ.”

ນັກຄົ້ນຄວ້າກ່າວວ່າຖ້າມີການພັດທະນາຕື່ມອີກ, ເຕັກໂນໂລຢີນີ້ສາມາດມີຄວາມສາມາດໃນການກວດພົບໂຣກ Parkinson ໂດຍໄວໂດຍບໍ່ມີເຊັນເຊີທີ່ “ມັກຈະແພງ” ທີ່ຈໍາເປັນສໍາລັບການປະເມີນການເຮັດວຽກຂອງມໍເຕີຂອງຄົນເຈັບ, ນັກຄົ້ນຄວ້າກ່າວວ່າ.

“ການ​ວິ​ເຄາະ​ສຽງ​ແລະ​ການ​ສະ​ແດງ​ອອກ​ໃບ​ຫນ້າ​, ເຊິ່ງ​ພຽງ​ແຕ່​ຕ້ອງ​ການ webcam ຫຼື​ໂທລະ​ສັບ​ສະ​ຫຼາດ​ທີ່​ມີ​ກ້ອງ​ຖ່າຍ​ຮູບ​, ເປັນ​ເຄື່ອງ​ມື​ສະ​ດວກ​ສະ​ບາຍ​, ລາ​ຄາ​ຖືກ​ທີ່​ຂ້ອນ​ຂ້າງ​ສໍາ​ລັບ​ການ​ກວດ​ສອບ​. [Parkinson’s] … [that] ອາດຈະເປັນປະໂຫຍດຕໍ່ຄົນເຈັບ … ທີ່ອາໄສຢູ່ໃນເຂດດ້ອຍພັດທະນາໂດຍບໍ່ມີການເຂົ້າເຖິງຜູ້ຊ່ຽວຊານດ້ານການເຄື່ອນໄຫວ,” ທີມງານຂຽນ.

ການອ່ານທີ່ແນະນໍາ

ສຽງ, ການປ່ຽນແປງຂອງໃບຫນ້າຫມາຍເຖິງ Parkinson’s ຕົ້ນ

ການສຶກສາ, “ສຽງ biometric ປະສົມປະສານແລະລັກສະນະຂອງໃບຫນ້າສໍາລັບການກວດພົບພະຍາດ Parkinson,” ໄດ້ຖືກຈັດພີມມາຢູ່ໃນວາລະສານ. ພະຍາດ Parkinson ຂອງ npj.

ອາການຂອງເຄື່ອງຈັກ, ລວມທັງການສັ່ນສະເທືອນແລະການເຄື່ອນໄຫວຊ້າ, ເປັນຈຸດເດັ່ນຂອງພະຍາດ Parkinson. ພວກມັນເກີດຂື້ນຍ້ອນການສູນເສຍຂອງ neurons, ຫຼືຈຸລັງເສັ້ນປະສາດ, ທີ່ຜະລິດ neurotransmitter dopamine, ສານເຄມີທີ່ຈໍາເປັນສໍາລັບການຄວບຄຸມກ້າມຊີ້ນ. Levodopa, ຄາຣະວາຂອງ dopamine, ແລະອະນຸພັນຂອງມັນໄດ້ກາຍເປັນມາດຕະຖານຄໍາສໍາລັບການປິ່ນປົວ Parkinson ດົນນານ.

ຢ່າງໃດກໍ່ຕາມ, ຄົນເຈັບມັກຈະພັດທະນາອາການທີ່ບໍ່ແມ່ນເຄື່ອງຈັກ, ເຊັ່ນ: ການສະແດງອອກທາງຫນ້າຫຼຸດລົງແລະການປ່ຽນແປງສຽງ, ກ່ອນທີ່ຈະມີອາການມໍເຕີຄລາສສິກ. ການ​ປ່ຽນ​ແປງ​ສຽງ​ດັ່ງ​ກ່າວ​ລວມ​ມີ​ລະ​ດັບ​ສຽງ​ຕ​່​ໍ​າ​, tempo ຊ້າ​ລົງ​, ພັກ​ໄວ້​ເລື້ອຍໆ​, ແລະ​ການ​ເວົ້າ​ສັ້ນ​. ການປິດໃບຫນ້າ, hypomemia ຢ່າງເປັນທາງການ, ສາມາດເປັນອາການເບື້ອງຕົ້ນອື່ນ.

ໃນຂະນະທີ່ການປ່ຽນແປງເຫຼົ່ານີ້ສາມາດເຫັນໄດ້ໄວເທົ່າທີ່ 5 ປີກ່ອນການວິນິດໄສ Parkinson, ພວກມັນ “ມັກຈະຖືກລະເລີຍແລະຖືວ່າເປັນປະກົດການຜູ້ສູງອາຍຸປົກກະຕິ, ເຊິ່ງອາດຈະຊັກຊ້າການວິນິດໄສແລະການປິ່ນປົວທີ່ດີທີ່ສຸດຂອງ. [Parkinson’s],” ນັກຄົ້ນຄວ້າຂຽນ.

ການກວດພົບເບື້ອງຕົ້ນຂອງການປ່ຽນແປງເຫຼົ່ານີ້ສາມາດຊ່ວຍກວດພົບ Parkinson ໄດ້ໄວຂຶ້ນແລະກໍານົດຄົນເຈັບທີ່ຕ້ອງການຢາເພື່ອປ້ອງກັນຄວາມຄືບຫນ້າຂອງພະຍາດ.

ກົງກັນຂ້າມກັບການປະເມີນອາການຂອງມໍເຕີ, ເຊິ່ງປະກອບດ້ວຍເຊັນເຊີທີ່ສັບສົນ, ການປະເມີນສຽງແລະການເຄື່ອນໄຫວຂອງໃບຫນ້າສາມາດເຮັດໄດ້ງ່າຍດ້ວຍກ້ອງຖ່າຍຮູບ, ບໍ່ວ່າຈະເປັນ webcam ຫຼືໂທລະສັບສະຫຼາດ, ອີງຕາມນັກຄົ້ນຄວ້າ. ຍິ່ງໄປກວ່ານັ້ນ, ພວກເຂົາເຈົ້າສັງເກດເຫັນ, ນີ້ສາມາດເຮັດໄດ້ຫ່າງໄກສອກຫຼີກ.

ເພື່ອທົດສອບນີ້, ທີມງານທີ່ນໍາພາໂດຍນັກຄົ້ນຄວ້າໃນໄຕ້ຫວັນໄດ້ນໍາໃຊ້ໂທລະສັບສະຫຼາດເພື່ອບັນທຶກທັງສຽງແລະໃບຫນ້າຂອງຜູ້ເຂົ້າຮ່ວມໃນຂະນະທີ່ອ່ານບົດຄວາມ. ຫຼັງຈາກນັ້ນ, ທີມງານໄດ້ນໍາໃຊ້ລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອວິເຄາະການບັນທຶກ.

ໃນຈໍານວນທັງຫມົດ, ການວິເຄາະລວມມີຄົນເຈັບ 186 ຄົນແລະຜູ້ເຂົ້າຮ່ວມທີ່ມີສຸຂະພາບດີ 185 ຄົນ, ຜູ້ທີ່ເຮັດຫນ້າທີ່ເປັນການຄວບຄຸມ. ໃນບັນດາຄົນເຈັບ, 119 ມີອາການໄວແລະ 67 ຄົນເປັນພະຍາດ Parkinson ຊ້າ. ອາຍຸໄດ້ຖືກຈັບຄູ່ສໍາລັບການຄວບຄຸມແລະຄົນເຈັບ Parkinson ໃນໄລຍະຕົ້ນ.

ການອ່ານທີ່ແນະນໍາ

ປາກເວົ້າຂອງພະຍາດ Parkinson |  ຂ່າວ Parkinson ຂອງ ມື້ ນີ້ |  ບັນຫາການປາກເວົ້າ |  ຕົວຢ່າງຂອງທ່ານຫມໍແລະຄົນເຈັບເວົ້າ

ຂັ້ນຕອນການທົດສອບລະຫວ່າງຄົນເຈັບ

ຫນ້າທໍາອິດ, ທີມງານໄດ້ນໍາໃຊ້ຜົນໄດ້ຮັບຈາກຄົນເຈັບ 112 ໃນເວລາ “ກົງ” ແລະ 111 ການຄວບຄຸມເພື່ອຝຶກອົບຮົມວິທີການຮຽນຮູ້ເຄື່ອງຈັກ. “ສຸດ” ເວລາເກີດຂື້ນເມື່ອ levodopa ຫຼືອະນຸພັນຂອງມັນເຮັດວຽກໄດ້ດີແລະອາການຖືກຄວບຄຸມ; ເວລາ “ປິດ” ເກີດຂື້ນເມື່ອຜົນກະທົບການປິ່ນປົວອ່ອນລົງແລະອາການກັບຄືນມາກ່ອນທີ່ຈະກິນຢາ levodopa ອີກຄັ້ງຫນຶ່ງ.

ເພື່ອປະເມີນປະສິດທິພາບຂອງ algorithms, ພວກເຂົາເຈົ້າໄດ້ທົດສອບໃຫ້ເຂົາເຈົ້າກັບກຸ່ມການກວດສອບ, ປະກອບດ້ວຍຄົນເຈັບໃນເວລາທີ່ “ປິດ” ຂອງເຂົາເຈົ້າຫຼືຄົນເຈັບການປິ່ນປົວ – naïve (ທັງຫມົດ 74) ແລະຈໍານວນການຄວບຄຸມເທົ່າທຽມກັນ. ທີມງານໄດ້ທົດສອບທັງຫມົດເກົ້າ algorithms ທີ່ແຕກຕ່າງກັນ.

ເນື່ອງຈາກວ່າຄົນເຈັບໃນເວລາ “ສຸດ” ແມ່ນຍາກທີ່ຈະແຍກຄວາມແຕກຕ່າງຈາກບຸກຄົນທີ່ມີສຸຂະພາບດີ, ນັກຄົ້ນຄວ້າໄດ້ໃຫ້ເຫດຜົນວ່າ algorithms ທີ່ໄດ້ຮັບການຝຶກອົບຮົມກັບມັນຈະສະແດງ “ປະສິດທິພາບການວິນິດໄສທີ່ດີທີ່ສຸດໃນການກໍານົດຄົນເຈັບທີ່ມີຢາທີ່ບໍ່ສະບາຍ. [Parkinson’s] ຈາກບຸກຄົນທີ່ມີສຸຂະພາບດີ, ມີອາຍຸ, ໃນສະຖານະການທີ່ແທ້ຈິງ.”

ຜົນການວິເຄາະທາງສຽງໄດ້ສະແດງໃຫ້ເຫັນວ່າຄົນເຈັບ Parkinson ໃຊ້ເວລາດົນກວ່າທີ່ຈະອ່ານບົດຄວາມ, ແລະຢຸດຫຼາຍໃນຂະນະທີ່ອ່ານ. ນອກຈາກນີ້, ລະດັບສຽງ ແລະສຽງຂອງຄົນເຈັບໄດ້ຖືກຫຼຸດລົງເມື່ອປຽບທຽບກັບການຄວບຄຸມທີ່ມີສຸຂະພາບດີ. ການວິເຄາະການສະແດງອອກທາງໃບຫນ້າໄດ້ເປີດເຜີຍວ່າຄົນເຈັບ Parkinson ມີອັດຕາການກະພິບຕາຫຼຸດລົງຢ່າງຫຼວງຫຼາຍເມື່ອທຽບກັບການຄວບຄຸມ.

ໃນກຸ່ມການຝຶກອົບຮົມ, ການລວມເອົາຂໍ້ມູນທັງສຽງ ແລະ ການສະແດງອອກທາງໜ້າ, ພ້ອມກັບອາຍຸ ແລະ ເພດ ເຂົ້າໃນລະບົບ algorithm ສາມາດຈໍາແນກຄົນເຈັບ Parkinson ໄລຍະຕົ້ນຈາກການຄວບຄຸມທີ່ມີພື້ນທີ່ພາຍໃຕ້ຄ່າການວິນິດໄສຂອງຕົວຮັບ (AUC) ຂອງ 0.85.

AUC ແມ່ນການທົດສອບສະຖິຕິຂອງການວັດແທກທີ່ໃຫ້ສາມາດຈໍາແນກລະຫວ່າງສອງກຸ່ມໄດ້ດີປານໃດ. ຄະແນນ AUC ສາມາດຕັ້ງແຕ່ 0.5 ຫາ 1, ມີມູນຄ່າສູງກວ່າສະທ້ອນໃຫ້ເຫັນເຖິງຄວາມສາມາດທີ່ດີກວ່າທີ່ຈະບອກກຸ່ມທັງສອງແຍກ.

ຕໍ່ໄປ, ພວກເຂົາເຈົ້າໄດ້ທົດສອບວ່າລະບົບການລວມເອົາຕົວກໍານົດການເຫຼົ່ານີ້ໄດ້ສະແດງໃຫ້ເຫັນເຖິງທ່າແຮງການວິນິດໄສໃນເວລາທີ່ໃຊ້ໃນການປິ່ນປົວທີ່ບໍ່ສະບາຍຫຼືໃນເວລາ “ປິດ” ຄົນເຈັບ. ອີກເທື່ອຫນຶ່ງ, ມູນຄ່າການວິນິດໄສ AUC ບັນລຸ 0.90, ຢືນຢັນປະສິດທິພາບຂອງ algorithm.

ໂດຍລວມແລ້ວ, ການຄົ້ນພົບເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວ່າການສະແດງອອກທາງຫນ້າແລະສຽງສະເພາະສາມາດຖືກນໍາໃຊ້ເພື່ອກວດຫາໂຣກ Parkinson ຢ່າງຖືກຕ້ອງດ້ວຍການທົດສອບການບັນທຶກວິດີໂອແບບງ່າຍດາຍ, ອີງຕາມນັກຄົ້ນຄວ້າ.

ທີມງານສະຫຼຸບວ່າ “ຜົນໄດ້ຮັບຂອງພວກເຮົາໄດ້ສະແດງໃຫ້ເຫັນວ່າລັກສະນະທາງຊີວະພາບປະສົມປະສານຂອງສຽງແລະການສະແດງອອກທາງຫນ້າປະສົມປະສານກັບຫ້ອງຮຽນການຮຽນຮູ້ເລິກສາມາດຊ່ວຍໃຫ້ການກໍານົດຄົນເຈັບ PD ໃນໄລຍະຕົ້ນຈາກການຄວບຄຸມຜູ້ສູງອາຍຸ,” ທີມງານສະຫຼຸບ.

Categories: AiHome

0 Comments

Leave a Reply

Avatar placeholder

Your email address will not be published. Required fields are marked *