Využití strojového učení k snadnému sledování pohybu pacienta na klinice.

Cíl 1: Vyvinout 3D sledování schopné zachytit chování zdravých kontrol během fyzických zkoušek. V cíli 1 vyšetřovatelé naberou zdravé dobrovolníky, aby provedli zjednodušené fyzické vyšetření ve zkušební místnosti s replikami, přičemž budou nahráváni třemi synchronizovanými kamerami FLIR. Zjednodušená zkouška se bude skládat ze čtyř úkolů: posouzení třesu, honění prstů, pohyby z prstu na nos a poklepávání prstem. Zaměstnanci studie pak použijí software DeepLabCut (DLC) – technologii, která trénuje umělé neuronové sítě k identifikaci uživatelem definovaných prvků na obrázku – k rozpoznání částí těla, které jsou předmětem zájmu ve videích fyzických vyšetření. Jakmile bude síť plně vyškolena, vyšetřovatelé otestují její schopnost zobecňovat na různých pacientech a různých kontextech. Dodatečná analýza pohybu dobrovolníků během fyzického vyšetření bude provedena za účelem posouzení charakteristik, jako je třes, rychlost a tortuozita pohybu.

Cíl 2: Aplikovat 3D sledování na klinice ke sledování chování při fyzickém vyšetření u pacientů s poruchou motoriky. V cíli 2 použijí vyšetřovatelé trénovanou síť na klinice, aby prozkoumali charakteristiky fyzického vyšetření pacientů s poruchami pohybu. Cíl 2a otestuje schopnost sítě DLC zachytit abnormality pohybových poruch během fyzického vyšetření u pacientů a zdravých kontrol odpovídajícího věku. DLC skóre každé testované proměnné bude porovnáno s lékařovým skóre pohybu podle standardizované škály. Vyšetřovatelé očekávají, že zjistí, že metoda sledování DLC je schopna objektivně vyhodnotit pohybové poruchy způsoby, které odrážejí a předčí schopnosti lékaře. V cíli 2b vyšetřovatelé prozkoumají populaci přijatých pacientů, aby zjistili, zda je možné vytáhnout charakteristické pohyby, které odpovídají určitým chorobným stavům. V tomto průzkumném záměru vyšetřovatelé očekávají, že budou schopni oddělit různé skupiny nemocí (např.: Parkinsonovu a ataxickou pacientku) od sebe jednoduše na základě sledovaných pohybových charakteristik.

Metody výzkumu:

V Aim 1 bude v kampusu University of Colorado Denver Graduate School postavena aréna pohybu s využitím tří kamer FLIR s přizpůsobeným systémem synchronizace a iniciace. Vyšetřovatelé přijmou až 30 zdravých kontrolorů ve věku 18–70 let z University of Colorado Denver Graduate School, aby provedli zjednodušené fyzické vyšetření (posouzení třesu, honění prstů, pohyby z prstů na nos a poklepávání prstem). video je snímáno ze tří úhlů při 100 Hz. Vyšetřovatelé očekávají, že toto testování nebude trvat déle než 5 minut na subjekt. Toto video bude použito k trénování umělé neuronové sítě DLC k rozpoznání funkcí končetin. Vyšetřovatelé změří schopnost naší trénované DLC sítě charakterizovat dvanáct bodů zájmu na každé končetině během fyzického vyšetření: konečky čtyř prstů a palce, všechny čtyři metakarpofalangeální klouby, střed ruky, loket a rameno. Úspěšným výsledkem bude síť, která si zachová schopnost rozpoznávat zajímavé rysy s vysokou spolehlivostí mezi různými jednotlivci a různými kontexty místnosti.

V cíli 2a bude ve zkušební místnosti Kliniky pohybových poruch University of Colorado zřízena sledovací aréna. Vyšetřovatelé přijmou až 100 pacientů ve věku 18-70 let, kteří navštěvují schůzku související s pohybovými poruchami, a také manžele a příbuzné pacientů na schůzce pro kontroly zdravého věku. Pacienti na klinice budou po návštěvě dotázáni, zda by se chtěli studie zúčastnit. Pokud souhlasí, lékař získá písemný souhlas a vyplní formulář pro pacienta, který obsahuje věk, rasu, pohlaví a diagnózu (nebo domnělou diagnózu) pacienta. Spustí se záznam videa a lékař provede výše uvedené zjednodušené fyzikální vyšetření. Lékaři posoudí pronásledování prstů a prst na nos, jak je popsáno ve stupnici pro hodnocení a hodnocení ataxie (SARA, položky 5 a 6) od 0 do 4. Posturální třes a poklepávání prsty budou posuzovány podle Unified Parkinson Disease Rating Scale (UPDRS, položky 21 & 23) od 0-4. Pokud je pacient na návštěvě s osobou, která souhlasí s tím, že bude věkově odpovídající kontrolou (do 10 let věku pacienta), fyzické vyšetření se bude opakovat, jak je uvedeno výše. Vyšetřovatelé očekávají, že toto testování od začátku do konce nebude trvat déle než 5 minut na subjekt. Vyšetřovatelé pak použijí algoritmus DLC k hodnocení fyzického vyšetření způsobem analogickým k hodnocení lékaře k posouzení přesnosti systému.

V cíli 2b vyšetřovatelé prozkoumají údaje o pacientech z cíle 2a pro pohybové vlastnosti specifické pro jednotlivá onemocnění. Metody shlukování dat (PCA a t-SNE) budou použity k rozdělení dat do skupin pomocí vysokorozměrných sledovacích dat DLC z každého úkolu fyzické zkoušky. Úspěch bude měřen jako schopnost oddělit nemoci od sebe pouze na základě analýzy dat o pohybu.