高齢者の加速度計とビデオ歩行分析データの両方を使用した転倒予測ツールの開発 (APDM system)

機械学習の最近の進歩は、医学的予後を評価するための標準的なアプローチを混乱させました。 私たちのグループは、学術的な臨床医と研究エンジニアで構成されており、長期的に高齢者を監視する際の安定性測定 (加速度計、ジャイロスコープ、高度センサーのデータ) のデータベースを作成しようとしています。 この Stability Measures (SM) データベースにより、新しい機械学習手法を使用して、将来の転倒を予測するアルゴリズムを開発および検証できるようになり、脆弱な個人をより適切にターゲットにすることができます。

ベッドサイド スケール 7 ～ 12 を使用して高齢者の転倒リスクを定量化する試みは数多く行われてきましたが、歩行の安定性を評価するために加速度計とビデオ測定の両方を組み合わせて使用​​しようとしたグループはこれまでありませんでした。 これらの測定値は、頻繁に転倒する患者とまれに転倒する患者の両方で取得されるため、少なくとも 100 回の転倒イベントの前に、さまざまな時間枠 (1、2、3、および 4 週間) の SM データが得られます。前に捕獲。

仮説:

1. 加速度計、ジャイロスコープ、およびビデオ データの組み合わせを使用して縦方向の転倒を予測できます。最初にトレーニング データセットを使用し、続いて検証データ セットで検証します。
2. 上記のすべてのセンサーベースの入力を単純な自動予測ツールとして組み合わせて、高齢者の転倒リスクを予測することができます。 現在の転倒リスク評価方法: 診療所での現在の転倒予測方法は、簡単なベッドサイド テストに大きく依存しています12-14。 これらの測定値はすべて有用ですが、感度と特異度が非常に低く、曲線下面積 (AUC) は約 0.707 ～ 12 です。

実際、最近のメタアナリシスでは、「感度と特異度のバランスが最適であるツールや、単純な転倒リスクの臨床的判断よりも明らかに優れているツールを特定できませんでした」。

方法:

a) 被験者: i) 高リスク被験者 (n=50): すべての被験者は、バンクーバー総合病院の転倒および老年医学クリニックから募集されます。 これらの診療所は、年間約 2500 人の患者を診察し、現在は研究募集に使用されています。 各診療所の患者の歩行速度を測定することで、高リスクと低リスクの両方の転倒者をリクルートすることができます。 このテストにより、転倒の危険性が高い 50 人の被験者を募集することができ、他のセンサー研究よりも 5 倍高い 100 以上のイベントの前向きに収集されたデータセットが提供されます。

ii) 低リスク被験者 (n=50): さらに、新聞広告を使用して低リスク被験者を募集し、スクリーニングします。 すべての被験者の歩行速度は 0.8 m/s を超え、昨年は転倒していません。

すべての研究患者は、1時間のセッションのために研究室（老年学および糖尿病研究所、VGHリサーチパビリオン）に来ます。 各被験者は、APDMシステム（オレゴン州ポートランド）から歩行評価が取得される6分間の歩行テストを実行します。 さらに、歩行分析用の未加工のビデオ データを測定する 4 台のビデオ カメラ (前面、背面、側面) があります。 カメラは顔データを記録せず (実際、システム内の「ディープフェイク」ソフトウェアは顔の詳細をすべて削除します)、患者の動きはシステムに保存される前に「スティック フィギュア」に変換されます。 さらに、Xethru X4M03 キットを使用して、超側波帯レーダー データ (UWB) を収集します。 UWB レーダーは 5.9 ～ 10.3 で動作します GHz、高い空間分解能を提供します。 レーダーは床面から 1.5 m の高さに設置されています。 かかとからつま先へのストライクのタイミング データを収集するために、被験者は 90 × 700 cm × 3.2 mm の通路を備えた GAITRite システム (CIR Systems Inc、フランクリン、ニュージャージー州) で歩行します。