基于人工智能视频分析评估帕金森病运动功能障碍严重程度的初步研究
复旦大学附属华山医院
研究概览
详细说明
在本研究中,要求参与者进行视频录制的 UPDRS-III 测试,并根据视频进行无标记运动特征识别和定量分析。
自2017年8月以来,研究人员从门诊和随访中收集了帕金森病患者的标准化运动功能视频。 基于UPDRS III运动功能测试,研究者筛选出五种既具有疾病特征又易于形象化的模式动作,包括手指敲击、手部动作、手部旋前-旋后动作和步态测试。 在人工智能团队的协助下,初步实现了上述模式动作的特征值量化(频率、距离、角度等)。 考虑到视频识别下模式动作的特征值均为连续变量,无法直接与离散的UPDRS评分量表进行比较,研究者在前期工作中初步探索了基于UPDRS评分的深度学习算法构建,以验证视频分析在运动功能评估中的有效性。
在这项研究中,研究人员计划纳入不同疾病严重程度的帕金森病患者,并分析运动障碍专家评估的 UPDRS 评分与视频量化评分之间的一致性。 这项研究的结果有望为未来开展大规模、多中心的临床试验奠定良好的基础。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Shanghai
-
Shanghai、Shanghai、中国、200040
- Huashan Hospital
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准:
- 诊断的主要标准是特发性帕金森病,根据 MDS-PD 诊断标准 (2015) 定义为运动迟缓伴静止性震颤或肌肉强直。 主要症状的检查需要按照统一帕金森病评定量表(UPDRS)中描述的方法进行。
排除标准:
- 1. 明确的小脑异常,如小脑步态、肢体共济失调或小脑眼球运动异常(如持续凝视诱发眼球震颤、巨大方波搏动、远处张力亢进)。
- 2.向下垂直视交叉上凝视麻痹,或选择性向下垂直扫描减慢。
- 3.发病5年内被诊断为疑似额颞叶痴呆或原发性进行性失语(根据2011年修订的额颞叶痴呆诊断标准)。
- 4.发病三年多后,帕金森病症状仍局限于下肢。
- 5.曾接受过多巴胺受体阻滞剂或多巴胺耗竭剂治疗,且给药剂量和持续时间符合药源性帕金森病的诊断。
- 6. 尽管病情至少是中度严重,但大剂量左旋多巴治疗没有明显效果。
- 7.明确的皮层感觉减退(如在初级感觉功能模式完成时皮肤书写和身体识别丧失),明确的身体概念运动性失语,或进行性失语。
- 8. 突触前多巴胺能系统的功能性神经影像学检查结果正常。
- 9. 有帕金森病或其他疑似与患者症状相关的疾病证据,或专业医师根据完整的诊断评估确定可能为其他综合征而非帕金森病。
学习计划
研究是如何设计的?
设计细节
- 观测模型:病例对照
- 时间观点:横截面
队列和干预
团体/队列 |
干预/治疗 |
---|---|
H&Y 0
年龄匹配的非疾病人群,或没有明显运动症状的前驱帕金森病患者。 这组患者将在入组时进行录像的 UPDRS-III 测试,并使用基于视频的定量方法评估运动功能。 |
通过AI视频分析,自动识别运动细节,量化幅度、角速度等运动特征,再通过算法生成运动功能障碍程度。
|
健康与养生 1
Hoehn 和 Yahr 残疾阶段为 1:仅单侧受累,通常伴有轻微或无功能障碍。 这组患者将在入组时进行录像的 UPDRS-III 测试,并使用基于视频的定量方法评估运动功能。 |
通过AI视频分析,自动识别运动细节,量化幅度、角速度等运动特征,再通过算法生成运动功能障碍程度。
|
恒大2
Hoehn 和 Yahr 残疾阶段为 2:双侧或中线受累,无平衡障碍。 这组患者将在入组时进行录像的 UPDRS-III 测试,并使用基于视频的定量方法评估运动功能。 |
通过AI视频分析,自动识别运动细节,量化幅度、角速度等运动特征,再通过算法生成运动功能障碍程度。
|
华阳3
Hoehn 和 Yahr 残疾阶段为 3: 双侧疾病:轻度至中度残疾,姿势反射受损;身体独立。 这组患者将在入组时进行录像的 UPDRS-III 测试,并使用基于视频的定量方法评估运动功能。 |
通过AI视频分析,自动识别运动细节,量化幅度、角速度等运动特征,再通过算法生成运动功能障碍程度。
|
恒生4
Hoehn 和 Yahr 残疾阶段为 4:严重致残疾病;仍然能够独立行走或站立。 这组患者将在入组时进行录像的 UPDRS-III 测试,并使用基于视频的定量方法评估运动功能。 |
通过AI视频分析,自动识别运动细节,量化幅度、角速度等运动特征,再通过算法生成运动功能障碍程度。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
基于视频的运动功能评估(运动功能评分)
大体时间:通过学习完成,平均2周。
|
患者将在运动障碍专家的指导下进行统一帕金森病评定量表(UPDRS III)的运动测试,并由高速摄像机记录。 受试者的运动功能评分将在视频样本中自动生成,并与基于医生的评分进行比较。 根据模式动作的不同,量表分为11个分量表,每个分量表根据动作执行的参与程度从0-4分不等,分数越高表示运动功能越差。 各子量表得分相加,最高得分为44分。 该技术有可能成为临床诊断和疾病评估的新方法。 作为一项试点研究,样本量不足以得出该技术的可靠性和有效性的结论。 这项研究的结果将有助于未来大规模、多中心临床前试验的样本量估计。 |
通过学习完成,平均2周。
|
合作者和调查者
合作者
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.