畳み込みニューラルネットワークを用いたタッチスクリーンタイピング解析によるパーキンソン病の早期発見

Early Parkinson's Disease Detection via Touchscreen Typing Analysis using Convolutional Neural Networks.

• Dimitrios Iakovakis
• Jose A Diniz
• Dhaval Trivedi
• Ray K Chaudhuri
• Leontios J Hadjileontiadis
• Stelios Hadjidimitriou
• Vasileios Charisis
• Sevasti Bostanjopoulou
• Zoe Katsarou
• Lisa Klingelhoefer
• Simone Mayer
• Heinz Reichmann
• Sofia B Dias

抄録

パーキンソン病（PD）は、世界で2番目に多い神経変性疾患であり、運動症状と非運動症状の両方を引き起こします。初期段階では、症状は軽度であり、患者はその存在を無視することがあります。その結果、患者は関連する臨床検査を受けず、PDの診断を遅らせることになります。このような遅れを是正するための努力として、消費者技術とユーザーの相互作用から受動的にキャプチャされたデータの分析が、初期のPD運動徴候の遠隔スクリーニングに向けて最近検討されている。本研究では、コンボリューション・ニューラル・ネットワークを用いて、初期PDにおける微細運動能力の低下を定量化するために、被験者のスマートフォン画面と指のインタラクションを分析するスマートフォンベースの手法を開発した。初期PD患者18名と健常対照者15名の臨床現場でのキーストロークタイピングデータを解析した実験結果では、感度/特異度がそれぞれ0.79/0.79でAUC(Area Under the Curve)が0.89の分類性能を示した。提案アプローチの一般化能力を評価するために、PD患者27人と健常対照者84人のスマートフォンの日常的な利用状況を自己申告したコホート（in-the-wildデータ）から得られたタイピングデータに適用したところ、それぞれ0.79AUC、0.74/0.78感度/特異度を達成した。以上の結果から，自然なタイピング活動から生じるキーストロークダイナミクスを処理してPDを検出できる可能性があることが示され，遠隔病理症状スクリーニングのためのデジタルツールの開発に貢献することが期待される．

Parkinson's Disease (PD) is the second most common neurodegenerative disorder worldwide, causing both motor and non-motor symptoms. In the early stages, symptoms are mild and patients may ignore their existence. As a result, they do not undergo any related clinical examination; hence delaying their PD diagnosis. In an effort to remedy such delay, analysis of data passively captured from user's interaction with consumer technologies has been recently explored towards remote screening of early PD motor signs. In the current study, a smartphone-based method analyzing subjects' finger interaction with the smartphone screen is developed for the quantification of fine-motor skills decline in early PD using Convolutional Neural Networks. Experimental results from the analysis of keystroke typing in-the-clinic data from 18 early PD patients and 15 healthy controls have shown a classification performance of 0.89 Area Under the Curve (AUC) with 0.79/0.79 sensitivity/specificity, respectively. Evaluation of the generalization ability of the proposed approach was made by its application on typing data arising from a separate self-reported cohort of 27 PD patients' and 84 healthy controls' daily usage with their personal smartphones (data in-the-wild), achieving 0.79 AUC with 0.74/0.78 sensitivity/specificity, respectively. The results show the potentiality of the proposed approach to process keystroke dynamics arising from users' natural typing activity to detect PD, which contributes to the development of digital tools for remote pathological symptom screening.