あなたは歯科・医療関係者ですか?

WHITE CROSSは、歯科・医療現場で働く方を対象に、良質な歯科医療情報の提供を目的とした会員制サイトです。

日本語AIでPubMedを検索

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。
Sensors (Basel).2020 Jun;20(11). E3236. doi: 10.3390/s20113236.Epub 2020-06-06.

認知・発話・運動障害のスマートコンピュータによる自己診断テストのためのモバイルアプリケーション

A Mobile Application for Smart Computer-Aided Self-Administered Testing of Cognition, Speech, and Motor Impairment.

  • Andrius Lauraitis
  • Rytis Maskeliūnas
  • Robertas Damaševičius
  • Tomas Krilavičius
PMID: 32517223 PMCID: PMC7309061. DOI: 10.3390/s20113236.

抄録

軽度認知障害(MCI)、パーキンソン病(PD)、ハンチントン病(HD)、認知症などの中枢神経系(CNS)障害の症状を持つ患者の認知と運動障害を評価できるデジタル神経障害スクリーニングと自己評価のためのモデルを提示する。データは、被験者の認知機能、手の震え、エネルギー消費、発話の特徴を追跡できるAndroidモバイルアプリケーションを用いて収集した。モデル入力として、16のタスクを用いて238の特徴を抽出したが、そのうち12のタスクは自己管理型認知テスト(SAGE)の手法を用い、他のタスクはスマートモバイルデバイス(スマートフォンやタブレット)のセンサーから取得した指の叩き方や音声の特徴を用いた。調査には15名の被験者が参加した。神経疾患患者7名(パーキンソン病1名、ハンチントン病3名、初期認知症1名、脳性麻痺1名、脳卒中後1名)と健常者8名。神経障害の評価には、指叩き、SAGE、エネルギー消費、発話解析機能を用いた。指叩きとSAGEを組み合わせた特徴量に対して13個の分類器を融合させたもの(精度96.12%)、音声分析特徴量に対して双方向性長期短期記憶(BiLSTM)を用いたもの(精度94.29%)が最も良好な結果を得た。

We present a model for digital neural impairment screening and self-assessment, which can evaluate cognitive and motor deficits for patients with symptoms of central nervous system (CNS) disorders, such as mild cognitive impairment (MCI), Parkinson's disease (PD), Huntington's disease (HD), or dementia. The data was collected with an Android mobile application that can track cognitive, hand tremor, energy expenditure, and speech features of subjects. We extracted 238 features as the model inputs using 16 tasks, 12 of them were based on a self-administered cognitive testing (SAGE) methodology and others used finger tapping and voice features acquired from the sensors of a smart mobile device (smartphone or tablet). Fifteen subjects were involved in the investigation: 7 patients with neurological disorders (1 with Parkinson's disease, 3 with Huntington's disease, 1 with early dementia, 1 with cerebral palsy, 1 post-stroke) and 8 healthy subjects. The finger tapping, SAGE, energy expenditure, and speech analysis features were used for neural impairment evaluations. The best results were achieved using a fusion of 13 classifiers for combined finger tapping and SAGE features (96.12% accuracy), and using bidirectional long short-term memory (BiLSTM) (94.29% accuracy) for speech analysis features.