Parkinsonova bolest se razvija postepeno, a dijagnoza ovog ozbiljnog poremećaja pokreta, posebno u njegovim početnim fazama, obično zahteva od pacijenata da obave različite pokretne zadatke, prate svoje šetnje i obrasce kretanja, kao i testiraju svoje reflekse. Ovaj proces je dugotrajan i zahtevan kako za lekare, tako i za pacijente.
Nedavno istraživanje Univerziteta Merilend, Centra za bioinformatiku i računarsku biologiju (CBCB) u College Parku, može značajno olakšati dijagnostiku Parkinsonove bolesti u budućnosti. Tim istraživača sa Univerziteta Merilend u Baltimoru, zajedno sa kolegama sa drugih univerziteta, radi na primeni algoritama mašinskog učenja za analizu podataka sa nosivih senzora koji prate pokrete, s ciljem automatizacije dela dijagnostičkog procesa. Očekuje se da ovo može dovesti do preciznijih i ranijih dijagnoza, omogućavajući pravovremene terapijske intervencije.
Rana Khalil, doktorantkinja računarstva na UMD-u i glavna autorka istraživanja objavljenog u časopisu Senzori, zajedno sa svojim mentorom, profesorom biologije i direktorom CBCB-a, Majklom Kamingsom, radi na ovom projektu.
Parkinsonova bolest počinje sa blagim simptomima poput suptilnih tremora u ruci, ali može napredovati do teške rigidnosti mišića i nemogućnosti samostalnog hodanja. Prema Nacionalnom institutu za zdravlje, oko 500.000 Amerikanaca je dijagnostikovano sa Parkinsonovom bolešću, dok se veruje da još oko milion ljudi možda pati od ove bolesti, a da to nije adekvatno dijagnostikovano ili im je postavljena pogrešna dijagnoza.
Jedan od ključnih izazova sa kojim se susreću lekari i pacijenti je tačna dijagnoza poremećaja pokreta. Kamings ističe da je dijagnoza ovog poremećaja veoma zahtevna, često subjektivna i time nedovoljno precizna. Preciznija dijagnoza bi mogla značajno olakšati život pacijentima, smanjujući česte posete klinici i izbegavajući greške u dijagnozi.
Iako su nosivi senzori za dijagnozu Parkinsonove bolesti već razvijeni u prošlosti, njihova kompleksnost je sprečavala lekare da ih široko koriste u kliničkoj praksi. Nova istraživanja su uspela da pojednostave korišćenje senzora i mašinskog učenja u kliničkom okruženju, omogućavajući efikasniju dijagnostiku.
Studija je pokazala da jedan senzor postavljen na donji deo leđa i zadatak koji uključuje više pokreta mogu efikasno razlikovati osobe sa Parkinsonovom bolešću od zdravih kontrolnih osoba. Korišćenjem sofisticiranog okvira za mašinsko učenje, istraživači su uspeli da analiziraju obrasce i varijacije u podacima, što je dovelo do veće tačnosti u dijagnostici. Tačnost identifikacije učesnika u različitim stadijumima Parkinsonove bolesti dostigla je 92,6%, nadmašujući prethodno prijavljenu tačnost od 81% za kliničku dijagnozu od strane stručnjaka.
Nastavljajući dalje, istraživači CBCB-a rade na studijama koje bi trebale da razlikuju Parkinsonovu bolest od drugih poremećaja pokreta, sa ciljem daljeg poboljšanja tačnosti dijagnoze i sprečavanja grešaka.
