Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les chercheurs développent un outil de dépistage cervical de myélopathie utilisant le détecteur et l'apprentissage automatique de non contact

La myélopathie cervicale (CM) résulte du compactage de la moelle épinière dans le col et occasionne des difficultés déménageant les doigts et la démarche instable. Car les patients avec le CM de stade précoce ont des sympt40mes subjectifs minimaux et sont difficiles pour que les non spécialistes diagnostiquent correctement, les sympt40mes peuvent être aggravés avant que des patients soient diagnostiqués avec le CM par un spécialiste. Par conséquent, le développement des outils de dépistage est exigé pour réaliser le diagnostic précoce et la demande de règlement du CM.

Une équipe de recherche aboutie par le jeu rouleau-tambour. Koji Fujita, un conférencier à l'université médicale et dentaire de Tokyo, et Yuta Sugiura, un professeur agrégé à l'université de Keio, ont combiné une technique d'analyse de mouvement de doigt utilisant un détecteur et un apprentissage automatique de non contact pour développer un outil de dépistage simple pour le CM.

Dans cette étude, l'équipe s'est concentrée sur des changements du mouvement de doigt provoqué par CM. Dans le test de 10 secondes d'adhérence et de desserrage, qui est des tests diagnostique conventionnels pour le CM, une adhérence de répétitions de sujet et des actions de desserrage autant de fois aussi possibles en 10 secondes. Le test analyse simplement le chiffre des actions d'adhérence et de desserrage et ne se concentre pas sur des changements des mouvements de doigt caractéristiques pour des patients avec le CM, tel que des mouvements de poignet pour compenser la difficulté déménageant le doigt. Sautez le mouvement (Ultraleap Ltd.), un détecteur capable de la mesure en temps réel des mouvements de doigt, pouvez être employé pour extraire de tels mouvements plus avec précision.

Les chercheurs ont compté que le CM peut être prévu utilisant l'apprentissage automatique combiné avec le capteur de mouvement de saut. Une séance soumise devant le mouvement de saut branché à un ordinateur portatif aux armes étendues a été chargée pour puiser et relâcher les doigts 20 fois aussi rapidement que possible. Des mouvements de doigt pendant ce test ont été captés par le capteur de mouvement de saut, affichés sur son écran en temps réel, et enregistrés comme caractéristiques. Ils ont recruté 50 patients avec le CM et 28 sujets qui n'ont pas eu le CM. Des caractéristiques de série chronologique sur leurs mouvements de doigt acquis par mouvement de saut ont été converties en domaines de fréquence, qui ont été soumis à l'apprentissage automatique utilisant une machine de vecteur de support. En conclusion, l'exactitude des résultats était élevée comme indiqué par une sensibilité de 84,0%, une spécificité de 60,7%, et un endroit sous la courbure de 0,85. Ce niveau d'exactitude est équivalent ou supérieur à celui du diagnostic de CM par des spécialistes basés sur des découvertes matérielles.

L'outil développé par l'équipe tient compte pour que les non spécialistes interviewent des gens pour la possibilité de avoir le CM. Les résultats de test de dépistage peuvent être employés pour encourager ceux avec le CM soupçonné à rechercher l'attention du spécialiste pour l'amorçage de diagnostic précoce et de traitement précoce. Un objectif de cette recherche est d'éviter l'aggravation de la maladie qui peut entraîner le déclin dans le fonctionnement de l'examen médical et la perte sociale.

Cette recherche a été conduite sous les programmes stratégiques de recherche fondamentale de JST, la recherche de PRISME accélérée par AIP et la recherche précurseur pour la science et technologie embryonnaire (PRSTO).

Source:
Journal reference:

Koyama, T., et al. (2021) Cervical Myelopathy Screening with Machine Learning Algorithm Focusing on Finger Motion Using Non-Contact Sensor. Spine. doi.org/10.1097/BRS.0000000000004243.