在牛津大学的一项研究中， 研究人员发现，通过结合使用可穿戴传感器数据和机器学习算法，可以比传统的临床观察更准确地监测帕金森病的进展。监测传感器技术收集的运动数据不仅可以改善对疾病进展的预测，还可以进行更精确的诊断。
帕金森病是一种影响运动控制和运动的神经系统疾病。虽然目前尚无治愈方法，但早期干预有助于延缓患者病情的进展。目前，神经科医生使用运动障碍协会统一帕金森病评定量表 (MDS-UPDRS) 来诊断和跟踪帕金森病的进展，通过对特定运动的表现进行评分来评估患者的运动症状。然而，由于这是主观的、人为的分析，分类可能不准确。
在牛津大学的研究中，对 74 名帕金森病患者进行了为期 18 个月的疾病进展监测。参与者在身体的不同部位佩戴带有传感器的可穿戴设备：胸部、脊柱底部以及手腕和脚部。这些传感器具有陀螺仪和加速测量功能，可密切关注 122 种不同的生理测量结果，并在步行和姿势摇摆测试期间跟踪患者。然后使用机器学习通过定制软件程序分析动力学数据。
牛津
将可穿戴设备收集的传感器数据与标准 MDS-UPDRS 评估进行比较，后者被认为是当前实践中的黄金标准。研究人员表示，在这项研究中，传统测试的患者“没有捕捉到任何变化”，而基于传感器的分析“检测到运动症状的统计上显着的进展”。
当然，获得有关帕金森病进展的更精确数据并不能治愈疾病。但结合可穿戴设备的指标可以帮助研究人员确认新型治疗方案的有效性。
本文最初发表在 Engadget 上：https://ift.tt/bUy9Q6O