എൻപിജെ പാർക്കിൻസൺസ് രോഗത്തിൽ അടുത്തിടെ പ്രസിദ്ധീകരിച്ച ഒരു രേഖാംശ പഠനത്തിൽ, ധരിക്കാവുന്ന സെൻസർ ഡാറ്റയും മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങളും ഉപയോഗിച്ച് കാലക്രമേണ പാർക്കിൻസൺസ് രോഗത്തിന്റെ (പിഡി) മോട്ടോർ ലക്ഷണങ്ങളുടെ അളവ് പുരോഗതി ഗവേഷകർ നിരീക്ഷിച്ചു.

പിഡി പുരോഗതി, പ്രത്യേകിച്ച് മോട്ടോർ, മോട്ടോർ ഇതര ലക്ഷണങ്ങൾ നിരീക്ഷിക്കുന്നതിനുള്ള നിലവിലെ സ്വർണ്ണ സ്റ്റാൻഡേർഡ് സ്കെയിൽ മൂവ്മെന്റ് ഡിസോർഡർ സൊസൈറ്റി-യൂണിഫൈഡ് പാർക്കിൻസൺസ് ഡിസീസ് റേറ്റിംഗ് സ്കെയിൽ (എംഡിഎസ്-യുപിഡിആർഎസ്) ആണ്.

എന്നിരുന്നാലും, അതിന്റെ വിലയിരുത്തലുകളിലെ വ്യതിയാനം പലപ്പോഴും ക്ലിനിക്കൽ പഠനങ്ങളിലെ സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനങ്ങളെ തടസ്സപ്പെടുത്തുന്നു. അതിനാൽ, ക്ലിനിക്കൽ ട്രയലുകളിൽ പിഡിക്കുള്ള ക്ലിനിക്കൽ ഇടപെടലുകളുടെ ഫലപ്രാപ്തി അളക്കുന്നതിന് തുടർച്ചയായ ഇടവേള സ്കെയിൽ വളരെ അഭികാമ്യമാണ്.

പിഡിയിലെ മോട്ടോർ ലക്ഷണത്തിന്റെ പുരോഗതി നിരീക്ഷിക്കുന്നതിനുള്ള വിലമതിക്കാനാവാത്ത ഉപകരണങ്ങളാണ് ധരിക്കാവുന്ന ഉപകരണങ്ങൾ. അവ പോർട്ടബിൾ, താങ്ങാനാവുന്നവയാണ്, കൂടാതെ നടത്തത്തിന്റെ സവിശേഷതകളും സന്തുലിതാവസ്ഥയും വിലയിരുത്താൻ കഴിയും.

മാത്രമല്ല, ഈ ഉപകരണങ്ങൾക്ക് വിദൂരമായി ആഴത്തിലുള്ളതും വ്യക്തിഗതവുമായ കൈനെമാറ്റിക് അളവുകൾ സൃഷ്ടിക്കാൻ കഴിയും, ഉദാഹരണത്തിന്, വീടുകളിലും ക്ലിനിക്കുകളിലും. എന്നിരുന്നാലും, ധരിക്കാവുന്ന ഉപകരണങ്ങൾ വേർതിരിച്ചെടുക്കുന്ന എല്ലാ സംഖ്യാ നടപടികളും ക്ലിനിക്കൽ പ്രാക്ടീസിൽ പ്രസക്തമല്ല. അതിനാൽ, എം എൽ മോഡലുകൾ ചിത്രത്തിലേക്ക് വരുന്നു.

ഐഎംയു ഡാറ്റയുടെ വിശകലനത്തിന് വ്യത്യസ്ത തീവ്രത നിലകളും മറ്റ് പിഡി പോലുള്ള വൈകല്യങ്ങളുമുള്ള പിഡി രോഗികളെ വേർതിരിച്ചറിയാൻ കഴിയുമെന്ന് സമീപകാല ഗവേഷണം തെളിയിച്ചു, ഉദാഹരണത്തിന്, പ്രോഗ്രസീവ് സുപ്രാനുക്ലിയർ പാൾസി (പിഎസ്പി). നന്നായി പരിശീലനം ലഭിച്ച എം എൽ മോഡലുകൾക്ക് പിഡി രോഗികളിൽ ബ്രാഡികൈനീസിയയുടെ ലക്ഷണങ്ങൾ തിരിച്ചറിയാൻ കഴിയും.

പഠനത്തെ കുറിച്ച്

നിലവിലെ പഠനത്തിൽ, ഏഴ് എം എൽ മോഡലുകൾ വികസിപ്പിക്കുന്നതിനും ധരിക്കാവുന്നവ അളന്ന കൈനെമാറ്റിക് സവിശേഷതകൾ കൈകാര്യം ചെയ്യുന്നതിനും ഓട്ടോമാറ്റിക് ഫീച്ചർ സെലക്ഷന്റെ വ്യത്യസ്ത ദിനചര്യകളുള്ള ലളിതമായ ലീനിയർ റിഗ്രഷൻ (എൽആർ), റാൻഡം ഫോറസ്റ്റ് (ആർഎഫ്) അൽഗോരിതങ്ങൾ ഗവേഷകർ ഉപയോഗിച്ചു.

കൂടാതെ, 18 മാസത്തിനിടെ 74 പിഡി രോഗികളിൽ മോട്ടോർ രോഗലക്ഷണ പുരോഗതിയുടെ പ്രാഥമിക സിഗ്നൽ (സിഗ്നലുകൾ) തിരിച്ചറിയാൻ ആറ് ധരിക്കാവുന്ന ഇനെർഷ്യൽ മെഷർമെന്റ് യൂണിറ്റുകൾ (ഐഎംയു) ശേഖരിച്ച നടത്തം (രണ്ട് മിനിറ്റ്), പോസ്റ്ററൽ സ്വേ (30 സെക്കൻഡ്) ഡാറ്റ എന്നിവ അവർ ഉപയോഗിച്ചു. പഠന കാലയളവിൽ, എല്ലാ പങ്കാളികളും മൊത്തം ഏഴ് സന്ദർശനങ്ങൾ പൂർത്തിയാക്കി.

യോഗ്യതാ മാനദണ്ഡം ഈ പങ്കാളികൾക്ക് പിഡി അല്ലെങ്കിൽ ആന്റി-പിഡി മെഡിക്കേഷൻ ലഭിച്ചിരിക്കണം, പക്ഷേ എൻറോൾമെന്റിലും സമ്മതം നൽകുമ്പോഴും വലിയ മസ്കുലോസ്കെലെറ്റൽ പ്രശ്നങ്ങളോ ഡിമെൻഷ്യയോ ഉണ്ടായിരുന്നില്ല.

കൈത്തണ്ട, കാലുകൾ, സ്റ്റെർണം, അരക്കെട്ട് എന്നിവിടങ്ങളിൽ ധരിക്കാവുന്ന സെൻസറുകൾ ധരിക്കാൻ സംഘം ആവശ്യപ്പെട്ടു. ഈ ഉപകരണങ്ങൾ 128 ഹെർട്സ് സാമ്പിൾ ഫ്രീക്വൻസിയിൽ ട്രയാക്സിയൽ ആക്സിലറോമീറ്റർ, ഗൈറോസ്കോപ്പ്, മാഗ്നെറ്റോമീറ്റർ ഡാറ്റ എന്നിവ ശേഖരിച്ചു.

പിഡിയുടെ മോട്ടോർ ലക്ഷണങ്ങളുടെ പുരോഗതി ഏതാണ് നന്നായി ട്രാക്കുചെയ്തതെന്ന് മനസിലാക്കാൻ എംഡിഎസ്-യുപിഡിആർഎസ്-3 റേറ്റിംഗുകളുമായി ധരിക്കാവുന്ന സെൻസർ-ഡെറിവേറ്റഡ് ഐഎംയു ഡാറ്റയുടെ ബന്ധം ഗവേഷകർ സാധൂകരിച്ചു.

എംഡിഎസ്-യുപിഡിആർഎസ്-3 സ്കെയിലിനേക്കാൾ മുമ്പ് പിഡി രോഗികളിൽ മോട്ടോർ ലക്ഷണങ്ങളുടെ സ്റ്റാറ്റിസ്റ്റിക്കൽ ഗണ്യമായ പുരോഗതി കണ്ടെത്താൻ ഈ മോഡലുകൾക്ക് കഴിയുമെന്ന് അവർ അനുമാനിച്ചു.

ഫലങ്ങൾ

ഇഡിയോപതിക് പിഡിയുള്ള 91 ആളുകളിൽ നിന്ന് ഗവേഷകർ 18 മാസത്തിലധികം ഐ എം യു ഡാറ്റ ശേഖരിച്ചു. അളന്ന 122 കൈനമാറ്റിക് സവിശേഷതകളിൽ, 29 എണ്ണം കാലക്രമേണ ഒരു ഗ്രൂപ്പ് തലത്തിൽ രേഖീയമായി ഉയരുകയോ കുറയുകയോ ചെയ്തു.

ഇവയിൽ, 19 എണ്ണം ഘട്ടം ഘട്ടമായുള്ള നടത്ത വ്യതിയാനത്തെ പ്രതിഫലിപ്പിച്ചു, മുമ്പ് പിഡിയിലെ രോഗ തീവ്രതയുമായി അളക്കുന്നതായി കാണിച്ചിരുന്നു. പിഡി രോഗികളിൽ വീഴ്ചയുടെ പ്രധാന പ്രവചനമാണിതെന്നും പഠനങ്ങൾ തെളിയിച്ചിട്ടുണ്ട്.

ഗണ്യമായി പുരോഗമിച്ച ഒരേയൊരു ഭൗതിക ചലന സവിശേഷത മെഡിയോലാറ്ററൽ സ്വേ വേഗതയായിരുന്നു; പിഡി രോഗികളിൽ വീഴ്ചയുടെ നന്നായി അംഗീകരിക്കപ്പെട്ട ബയോമാർക്കർ കൂടിയാണിത്. വ്യക്തിഗത സവിശേഷതകളിൽ, കാൽപ്പാദത്തിലെയും കാൽവിരലിലെയും പാദത്തിന്റെ കോണും സ്ട്രൈഡ് നീളവും എംഡിഎസ്-യുപിഡിആർഎസ്-3 സ്കോറിന്റെ വിലയിരുത്തലിന് ഏറ്റവും കൂടുതൽ സംഭാവന നൽകി.

ഒരു മൾട്ടി വേരിയേറ്റ് എൽആർ മോഡൽ (മോഡൽ 1) രണ്ട് കൈനെമാറ്റിക് സവിശേഷതകൾ ഉപയോഗിച്ചു, ഇത് ഏറ്റവും സ്റ്റാറ്റിസ്റ്റിക്കൽ പ്രാധാന്യമുള്ള താൽക്കാലിക പുരോഗതി കാണിക്കുന്നു. പുരോഗമിക്കുന്ന 29 സവിശേഷതകളിൽ നിന്ന്, ഫോർവേഡ് ഫീച്ചർ സെലക്ഷൻ ആദ്യകാല സ്റ്റോപ്പിംഗ് മോഡലിൽ (മോഡൽ 2) ഉപയോഗിക്കാൻ ആറെണ്ണം തിരിച്ചറിഞ്ഞു. ഇൻപുട്ടായി (മോഡൽ 3) 29 പുരോഗമിക്കുന്ന സവിശേഷതകളുള്ള ആർഎഫ് റിഗ്രസറും സംഘം അന്വേഷിച്ചു.

122 സവിശേഷതകളിലേക്കും 29 പുരോഗമിക്കുന്ന സവിശേഷതകളിലേക്കും പ്രിൻസിപ്പൽ ഘടക വിശകലനം (പിസിഎ) പ്രയോഗിക്കുന്നത് യഥാർത്ഥ ഹൈ-ഡയമെൻഷണാലിറ്റി ഡാറ്റാസെറ്റുകളുടെ മാനാത്മകത കുറയ്ക്കുകയും ഇത് യഥാക്രമം 31 ഉം 10 ഉം സവിശേഷതകൾ തിരികെ നൽകുകയും ചെയ്തു.

രണ്ട് പ്രധാന ഘടകങ്ങളും എൽആർ, ആർഎഫ് റിഗ്രഷൻ എന്നിവയിൽ സ്വതന്ത്ര വേരിയബിളുകളായി പ്രവർത്തിച്ചു. 4, 5, 6, 7 മോഡലുകൾ യഥാക്രമം പത്ത് ഘടകങ്ങളിൽ എൽആർ, പത്ത് ഘടകങ്ങളിൽ ആർഎഫ്, 31 ഘടകങ്ങളിൽ എൽആർ, 31 ഘടകങ്ങളിൽ ആർഎഫ് എന്നിവ ഉപയോഗിച്ചു.

അഞ്ച് ക്രോസ്-വാലിഡേഷൻ ആവർത്തനങ്ങളിലുടനീളം ഏറ്റവും കുറഞ്ഞ റൂട്ട് മീൻ സ്ക്വയർ പിശക് (ആർഎംഎസ്ഇ) (= 10.02) ഉപയോഗിച്ച് ആർഎഫ് റിഗ്രസർ (മോഡൽ 3) എംഡിഎസ്-യുപിഡിആർഎസ്-3 സ്കോർ കണക്കാക്കി; അതിനാൽ, തുടർച്ചയായ സന്ദർശനങ്ങളിൽ നിന്ന് രേഖാംശ സെൻസർ ഡാറ്റ പ്രോസസ്സ് ചെയ്യാൻ ഇത് സ്വീകരിച്ചു.

മോഡൽ 3 ബേസ് ലൈനിന് ശേഷം 15 മാസത്തിനുള്ളിൽ തന്നെ പിഡിയിലെ മോട്ടോർ ലക്ഷണ പുരോഗതി തിരിച്ചറിഞ്ഞു, അതേസമയം എംഡിഎസ്-യുപിഡിആർഎസ് സ്കെയിൽ പഠന കാലയളവിന്റെ അവസാനത്തിൽ പോലും ഈ ലക്ഷണങ്ങൾ രേഖപ്പെടുത്തിയില്ല.

കൂടാതെ, മോഡൽ ഔട്ട്പുട്ട് ഒരു സന്ദർശനത്തിൽ നിന്ന് മറ്റൊന്നിലേക്ക് വിരസമായി വർദ്ധിച്ചു. നേരെമറിച്ച്, എംഡിഎസ്-യുപിഡിആർഎസ്-3 സ്കോറുകൾ ഓരോ സന്ദർശനത്തിലും ഏറ്റക്കുറച്ചിലുകൾ വരുത്തി, പിഡിയുടെ മോട്ടോർ ലക്ഷണങ്ങളുടെ പുരോഗതിയുടെ മങ്ങിയ തെളിവുകൾ ലഭിച്ചു.

നിഗമനങ്ങൾ

മൊത്തത്തിൽ, ഈ പഠനത്തിൽ അവതരിപ്പിച്ച ധരിക്കാവുന്നവ, എം എൽ അൽഗോരിതം അടിസ്ഥാനമാക്കിയുള്ള രീതിശാസ്ത്രം പിഡി മോട്ടോർ രോഗലക്ഷണ പുരോഗതിയുടെ പ്രാരംഭ ലക്ഷണങ്ങൾ നിർണ്ണയിക്കുന്നതിനുള്ള ക്ലിനിക്കൽ പ്രാക്ടീസിലെ ഒരു പൂരക ഉപകരണമായിരിക്കാം.

ഈ രീതി പിഡിയിൽ പരമ്പരാഗതമായി ഉപയോഗിക്കുന്ന ക്ലിനിക്കൽ റേറ്റിംഗ് സ്കെയിലുകളേക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവച്ചു; അതിനാൽ, പിഡി രോഗികളുടെ ഡയഗ്നോസ്റ്റിക്, രോഗനിർണയ കൃത്യത നാടകീയമായി മെച്ചപ്പെടുത്താൻ ഇതിന് കഴിയും.