[論文レビュー] Wearable-based Mediation State Detection in Individuals with Parkinson's Disease

Murtadha D. Hssayeni, Michelle A. Burack+5 more|arXiv (Cornell University)|Sep 19, 2018

Parkinson's Disease Mechanisms and Treatments参考文献 24被引用数 3

ひとこと要約

本研究では、パーキンソン病（PD）患者の薬物投与ONおよびOFF状態を検出するために、手首および足首に取り付けた2つの三軸ジャイロスコープを用いたウェアラブルセンサー基盤のシステムを提案する。手作業で作成した特徴量にファジィラベルを適用したサポートベクターマシンを用いることで、90.5%の正確性、94.2%の感度、85.4%の特異性を達成し、自己報告に依存しない、個別化され、継続的かつ客観的な薬物状態追跡の代替手段を提供する。

ABSTRACT

One of the most prevalent complaints of individuals with mid-stage and advanced Parkinson's disease (PD) is the fluctuating response to their medication (i.e., ON state with maximum benefit from medication and OFF state with no benefit from medication). In order to address these motor fluctuations, the patients go through periodic clinical examination where the treating physician reviews the patients' self-report about duration in different medication states and optimize therapy accordingly. Unfortunately, the patients' self-report can be unreliable and suffer from recall bias. There is a need to a technology-based system that can provide objective measures about the duration in different medication states that can be used by the treating physician to successfully adjust the therapy. In this paper, we developed a medication state detection algorithm to detect medication states using two wearable motion sensors. A series of significant features are extracted from the motion data and used in a classifier that is based on a support vector machine with fuzzy labeling. The developed algorithm is evaluated using a dataset with 19 PD subjects and a total duration of 1,052.24 minutes (17.54 hours). The algorithm resulted in an average classification accuracy of 90.5%, sensitivity of 94.2%, and specificity of 85.4%.

研究の動機と目的

• 自己報告に頼らない、PD患者の薬物ONおよびOFF状態を客観的に検出できる、個別化されたウェアラブルベースのシステムを開発すること。
• 最小限のセンサーハードウェアを用いて、日常活動中の薬物反応を継続的・受動的にモニタリングすること。
• 一様なモデルではなく、各患者ごとに個別に訓練された分類器を用いることで、被験者間のばらつきに対処すること。
• 自由な生活環境下でのONおよびOFF状態の継続時間に関する正確なリアルタイムデータを提供することで、治療の調整を改善すること。
• 将来的な家庭環境への展開に備えて、多様な日常的行動を含む臨床ラボ環境でシステムを検証すること。

提案手法

• 歩行、着衣、安静などの日常的行動中に運動データを収集するため、手首および足首に2つの三軸ジャイロスコープを配置する。
• 時間領域、周波数領域、時間周波数領域の特徴量の包括的セットを運動信号から抽出し、運動行動パターンを表現する。
• 薬物状態分類に最も特徴的な特徴量を特定するために、特徴量選択プロセスを適用する。
• 状態境界における不確実性を扱い、耐障害性を向上させるために、ファジィラベルを適用したサポートベクターマシン（SVM）分類器を用いる。
• 各被験者の分類器は、自身の短時間の臨床セッションからのラベル付きデータを用いて訓練され、個別化および一般化性能の向上が図られる。
• 初期キャリブレーション後は、継続的な被験者または臨床医の入力が不要な受動的動作を設計する。

実験結果

リサーチクエスチョン

• RQ1 多様な日常的行動において、2センサーウェアラブルシステムはPD患者の薬物ONおよびOFF状態を正確に検出できるか？
• RQ2 被験者ごとに個別に訓練された分類器は、被験者間で共有されるモデルと比較して、検出性能をどのように向上させるか？
• RQ3 手作業で作成した特徴量とファジィSVMに基づくシステムは、既存の手法と比較して、正確性および監視の継続性の面でどの程度優れているか？
• RQ4 アクティビティ固有のモデルを必要とせずに、歩行、安静、着衣などの異なる運動行動において、システムの性能はどの程度か？
• RQ5 センサーモジュールの配置と最小限のハードウェアは、システムの実現可能性および臨床的有用性にどのような影響を与えるか？

主な発見

• 提案されたアルゴリズムは、19名のPD被験者を対象に1,052.24分のデータ収集において、平均分類正確性90.5%を達成した。
• 94.2%の感度は、最適な薬物反応を特定する上で重要なON状態の強力な検出を示している。
• 85.4%の特異度は、OFF状態の信頼性ある同定を示し、誤検出の低減を実現している。
• 本システムは、歩行、飲酒、安静、着衣などの複数のアクティビティにおいて薬物状態を正常に検出し、継続的モニタリングを可能にした。
• 個別化された分類器の使用により、運動症状および病態進行の被験者間ばらつきを考慮した性能向上が顕著に見られた。
• 本システムは2つのウェアラブルセンサーのみを必要としており、マルチセンサーシステムと比較して、長期的かつ現実世界での使用に実用的である。