新的研究显示机器学习如何改善照顾患有此病

在过去的十年里已经有两个医疗级的使用激增和消费级可穿戴设备,衡量一个人的生理机能。监控自己的活动和健康的能力比以往任何时候都更容易。

而这些设备的应用程序生物医ob欧宝直播nba学研究主要是包含心脏病,一项新的研究演示了如何使用可穿戴电子胸部补丁结合进步机器学习和人工智能可以帮助开发新的治疗此病,以及许多其他健康问题。

发表在《公共科学图书馆•综合》,粗毛Clifford博士和他的研究小组在埃默里大学和佐治亚理工学院使用MC10 Biostamp补丁分析运动和Rett综合症患者的心脏活动。

Rett综合症是一种罕见的遗传性神经发育障碍的特点是严重的障碍,影响一个人的能力说话,走路,吃饭,正常呼吸。目前还没有治愈此病和探测目标的能力的模式直接在患者缺乏症状和疾病进展。

在研究期间,耐磨片监测心脏活动和运动的研究参与者。在连续的48小时内收集的数据被用于开发一种机器学习算法,在生理学和运动模式识别特定于此病的严重性。特别是,克利福德和他的团队发现运动和三种具体模式心率(以及它们如何互相影响),允许他们准确区分高——从low-symptom-severity个人。

这导致了一个系统,有可能客观症状的严重程度在年级人口根据其运动和心脏活动。这些数据有重大影响的努力改善Rett综合症患者的治疗选择将来的临床试验。

电流测量的选择治疗的影响依赖于临床医生或parent-completed问卷。生理测量来自患者相匹配的心脏和运动活动的总体严重程度可能是一种重要的生物标志物指示是否与其他症状,治疗可能有助于沟通和流动性等。

“这个算法提供了一个客观的指标,可以用来自动评估药物的影响或其他干预Rett综合症患者症状有经验,”Clifford说。“我们正兴奋,这些生物标记物可能允许更多的个性化和有效的治疗在这个人口,也许其他人。”

Rett综合症研究信任(RSRT),领先的非营利性组织,致力于寻找治疗此病,资助研究和提供额外的资金,以克利福德和他的团队继续验证工作在一个更大的人口。

”这个最初研究的结果超出了我们的预期,清楚地表明,病人症状的直接和客观的措施不仅是可能的,而且足够敏感区分症状严重程度,即使有少数患者,“说RSRT首席科学官Jana冯Hehn博士。“这项工作有可能缩短临床试验时间和更敏感的评估治疗效果和更少的病人。我们非常高兴与克利福德博士和他的团队继续这一重要工作的专家。”

使用人工智能和机器学习得到了更多的关注临床护理近年来对其改善许多疾病的诊断和治疗的能力。这是第一次机器学习已经申请但综合症,但克利福德认为一个机会将这个模型应用到其他人群,如自闭症患者。