ИИ-анализ походки улучшает раннее выявление проблем с подвижностью у больных рассеянным склерозом

Мониторинг прогресса проблем с походкой, связанных с рассеянным склерозом (РС), может быть сложным у взрослых старше 50 лет, требуя от клинициста дифференцировать между проблемами, связанными с РС, и другими возрастными проблемами. Для решения этой проблемы исследователи интегрировали данные походки и машинное обучение для продвижения инструментов мониторинга и предсказания прогрессирования болезни.

Рассеянный склероз может проявляться множеством способов у примерно двух миллионов людей, которых он затрагивает глобально, и проблемы с ходьбой — распространенный симптом. Примерно половина пациентов нуждается в помощи при ходьбе в течение 15 лет после начала. Исследователи стремились определить взаимодействия между старением и сопутствующими изменениями, связанными с болезнью РС, и могли ли они дифференцировать их у пожилых взрослых с РС. Методы машинного обучения особенно хорошо работают при обнаружении сложных скрытых изменений в производительности.

Используя инструментальную дорожку, команда собрала данные о походке — нормализованные по размеру тела и демографии — от 20 взрослых с РС и 20 пожилых взрослых без РС, сопоставленных по возрасту, весу, росту и полу. Участники ходили в комфортном темпе до 75 секунд, пока специализированное ПО фиксировало события походки, соответствующие силы реакции опоры и позиции центра давления во время каждой ходьбы. Команда извлекла характеристические пространственные, временные и кинетические признаки в шагах каждого участника для изучения вариаций в походке во время каждого испытания.

Изменения в различных признаках походки, включая признак данных, называемый «бабочковой диаграммой», помогли команде обнаружить различия в паттернах походки между участниками. Диаграмма получает свое название от бабочкоподобной кривой, созданной повторяющейся траекторией центра давления для множества непрерывных шагов во время ходьбы субъекта и ассоциируется с критическими неврологическими функциями.

Биомеханические системы, такие как ходьба, слабо смоделированы, что затрудняет выявление проблем в клинической практике. Новый метод извлек выводы из наборов данных, включающих множество измерений каждого отдельного лица, но малое число лиц. Результаты работы достигают значительного прогресса в области клинических стратегий предсказания болезни на основе машинного обучения.