Несмотря на недавние достижения в лечении болезни Паркинсона, по-прежнему остается сложной задачей точное измерение прогрессирования симптомов при этом неврологическом расстройстве. Хотя можно наблюдать заметные симптомы, такие как тремор, скованность и замедление движений, ранее существовало мало точных способов количественной оценки изменений симптомов, которые можно было бы использовать за пределами исследовательских лабораторий и в повседневной клинической практике.

Для обеспечения более персонализированного лечения с учетом состояния и прогрессирования заболевания у отдельных лиц исследователи из Калифорнийского университета в Сан-Франциско (UCSF) разработали систему анализа видео на основе машинного обучения (МО) для количественной оценки и подтверждения тяжести двигательных симптомов у пациентов с болезнью Паркинсона (БП).

Их конвейер ИИ, работающий на стандартных клинических видео, смог определить тяжесть симптомов ПД по очень коротким видеоклипам длиной всего в несколько секунд. Их исследование опубликовано в npj Parkinson\’s Disease .

Система использует однопроекционные видео длительностью в несколько секунд, записанные на такие устройства, как смартфоны, планшеты и цифровые камеры, что устраняет необходимость в дорогостоящем специализированном оборудовании. Исследователи разработали структуру для предоставления всеобъемлющего набора данных о движении и интерпретируемой системы на основе видео, способной предсказывать высокую и низкую тяжесть двигательных симптомов PD.

Система автоматически извлекает большой массив признаков, представляющих характеристики движения, из необработанных видеозаписей пациентов с болезнью Паркинсона, выполняющих двигательные задачи.

Играть

00:00
00:31
Немой

Настройки
ПИП
Перейти в полноэкранный режим
Играть
Визуализации извлеченной кинематики ориентира примера записи позы. В любой точке видео зеленый фон указывает на то, что данный кадр не содержит ошибок и пригоден для использования, тогда как красный фон указывает на то, что кадр следует отбросить. Кредит: npj Parkinson\’s Disease (2024). DOI: 10.1038/s41531-024-00742-x
Подобная система, возможно, была создана недавно благодаря достижениям в области машинного обучения и компьютерного зрения, которые позволили разработать алгоритмы, способные преобразовывать информацию из видео, связанную с движением в ключевых анатомических положениях, без необходимости использования физических маркеров, таких как носимые датчики.

«Наша структура эффективно расширяет предыдущие исследования в области количественной оценки ПД и устраняет многие недостатки, предлагая простое, но комплексное решение на основе видео», — сказал соавтор исследования Реза Аббаси-Асл, доктор философии, доцент кафедры неврологии Калифорнийского университета в Сан-Франциско.

«Наш подход позволил выделить и определить основные особенности движения, которые можно использовать для обучения точных моделей МО с целью прогнозирования состояний двигательных нарушений низкой и высокой степени тяжести».

Исследовательская группа использовала клинические данные 31 участника с болезнью Паркинсона, которые проходили оценку в UCSF в рамках многодневного когортного исследования UCSF \»Parkinson\’s Spectrum\». Для каждого пациента они записали как видео всего тела при ходьбе/походке, так и видео с заданием постукивания пальцами.

В рамках протокола исследования стандартизированные видеозаписи были сделаны, когда пациенты принимали и не принимали дофаминергические препараты, которые могут улучшить симптомы. Затем положения отдельных суставов в каждом кадре были извлечены с помощью программного обеспечения Google \»Mediapipe\» для компьютерного зрения в сотрудничестве с соисследователем Анупамом Патхаком, доктором философии, и Google Research.

Затем команда UCSF разработала подход на основе данных, который позволил подтвердить и дать надежную количественную оценку установленным клиническим признакам движения, а также выявил новые клинические данные, включая движения мизинцев, а также особенности походки нижних конечностей и аксиальные особенности, которые ранее не оценивались в связи с клинической тяжестью болезни Паркинсона.

«Сфера двигательных расстройств нуждается в лучших инструментах для измерения, мониторинга и отслеживания признаков и симптомов заболеваний простым, надежным и объективным способом», — сказала автор исследования Джилл Острем, доктор медицины, невролог, медицинский директор и руководитель отдела Центра двигательных расстройств и нейромодуляции Калифорнийского университета в Сан-Франциско. «Это исследование показывает, что это может быть возможно с использованием простых стандартизированных видеозаписей».

Исследователи планируют провести последующие исследования для дальнейшего совершенствования своей структуры, повышения степени автоматизации и проверки ее на более крупных, репрезентативных когортах. Они также планируют расширить структуру, включив в нее дополнительные двигательные модальности, такие как выражения лица и речь, а также распространить ее на домашнее использование. Они надеются изучить полезность структуры в прогнозировании других результатов при PD и применить ее к другим неврологическим двигательным расстройствам, таким как дистония и эссенциальный тремор.

«Использование стандартных видео в сочетании с интерпретируемыми методами ИИ может помочь неврологам в лечении пациентов с болезнью Паркинсона и другими неврологическими двигательными расстройствами», — сказал соавтор исследования Саймон Литтл, MBBS, Ph.D, доцент неврологии UCSF. «Объективные, основанные на видео данные о тяжести болезни Паркинсона могут способствовать более быстрой и качественной диагностике и лечению в будущем».