新的研究表明,机器学习可以改善Rett综合征患者的护理
在过去的十年里,医疗级和消费级可穿戴设备的使用激增,这些设备可以测量个人的生理状况。监测我们自己的活动和健康的能力比以往任何时候都更容易获得。
而这些设备的应用生物医bob88体育平台登录学研究一项新的研究表明,可穿戴电子胸部贴片的使用如何与心血管疾病的进步相结合机器学习而且人工智能可以帮助开发治疗Rett综合征的新疗法,以及其他一些健康状况。
发表在《公共科学图书馆•综合》加里·克利福德博士和他在埃默里大学和佐治亚理工学院的研究团队使用MC10生物邮票贴片来分析Rett综合征患者的运动和心脏活动。
雷特综合征是一种罕见的遗传性神经发育障碍,其特征是严重损伤,影响一个人正常说话、行走、进食和呼吸的能力。目前还没有治愈Rett综合征的方法,并且缺乏直接检测患者症状和疾病进展的客观模式的能力。
在研究期间,可穿戴贴片监测研究参与者的心脏活动和运动。然后,在连续48小时内收集的数据被用于开发一种机器学习算法,该算法确定了与Rett综合征严重程度相关的生理和运动模式。特别是,克利福德和他的团队发现了三种特定的运动模式心率(以及它们是如何相互影响的),这使得他们能够准确地区分高症状严重程度和低症状严重程度的个体。
这就产生了一个系统,它有可能根据人群的运动和心脏活动客观地对症状的严重程度进行分级。这些数据对未来临床试验中改善Rett综合征患者的治疗方案具有重要意义。
目前衡量治疗效果的方法依赖于临床医生或家长填写的问卷。来自心脏和运动活动的生理学测量,与患者的整体严重程度相匹配,可能是一种重要的生物标志物,可以表明治疗是否有助于以后的其他症状,如沟通和活动能力。
Clifford说:“这个算法提供了一个客观的指标,可以用来自动评估药物或其他干预对Rett综合征患者所经历的症状的影响。”“我们很高兴这些生物标记物可能会在这个人群中,甚至其他人群中,进行更个性化和有效的治疗。”
雷特综合征研究信托基金(RSRT)是致力于寻找雷特综合征治疗方法的领先非营利组织,它赞助了这项研究,并为克利福德和他的团队提供了额外的资金,以继续在更大的人群中验证这项工作。
RSRT的首席科学官Jana von Hehn博士说:“这项初步研究的结果超出了我们的预期,并清楚地表明,对患者症状的直接和客观测量不仅是可能的,而且足够敏感,可以区分症状的严重程度,即使是少量患者。”“这项工作有可能缩短临床试验的时间,对治疗效果进行更敏感的评估,减少患者数量。我们很高兴能与克利福德博士和他的专家团队继续这项重要的工作。”
人工智能和机器学习的应用越来越受到人们的关注临床护理近年来因其能够改善许多疾病的诊断和治疗。这是机器学习首次应用于Rett患者并发症状但克利福德看到了将这个模型应用于其他人群的机会,比如自闭症患者。
更多信息:Pradyumna Byappanahalli Suresha等人,利用心率变异性和身体运动之间的相互作用,用BioStamp nPoint估计Rett综合征严重程度,《公共科学图书馆•综合》(2023)。DOI: 10.1371 / journal.pone.0266351