[논문 리뷰] A Multi-layer Gaussian Process for Motor Symptom Estimation in People with Parkinson's Disease

M. Lang, Franz Pfister외 8명|arXiv (Cornell University)|2018. 08. 31.

Parkinson's Disease Mechanisms and Treatments참고 문헌 24인용 수 3

한 줄 요약

이 논문은 일상적인 자유로운 활동 중 손목에 부착된 관성 센서 데이터를 사용하여 파킨슨병 운동 증상의 심각도—떨림, 떨림이 없는 브라키네시아, 떨림이 없는 디스키네시아—를 추정하는 다층 가우시안 프로세스 모델을 제안한다. 임상 평가 기반의 MDS-UPDRS 주석을 사용해 훈련된 가우시안 프로세스 모델을 계층적으로 스택하여, 실제 생활 환경에서 강건하고 객관적이며 연속적인 증상 모니터링을 달성하였으며, 임상 평가와 높은 일치도를 보였다.

ABSTRACT

The assessment of Parkinson's disease (PD) poses a significant challenge as it is influenced by various factors which lead to a complex and fluctuating symptom manifestation. Thus, a frequent and objective PD assessment is highly valuable for effective health management of people with Parkinson's disease (PwP). Here, we propose a method for monitoring PwP by stochastically modeling the relationships between their wrist movements during unscripted daily activities and corresponding annotations about clinical displays of movement abnormalities. We approach the estimation of PD motor signs by independently modeling and hierarchically stacking Gaussian process models for three classes of commonly observed movement abnormalities in PwP including tremor, (non-tremulous) bradykinesia, and (non-tremulous) dyskinesia. We use clinically adopted severity measures as annotations for training the models, thus allowing our multi-layer Gaussian process prediction models to estimate not only their presence but also their severities. The experimental validation of our approach demonstrates strong agreement of the model predictions with these PD annotations. Our results show the proposed method produces promising results in objective monitoring of movement abnormalities of PD in the presence of arbitrary and unknown voluntary motions, and makes an important step towards continuous monitoring of PD in the home environment.

연구 동기 및 목표

• 비정형적인 일상 환경에서 파킨슨병 운동 증상의 연속적이고 객관적인 모니터링을 가능하게 하기 위해.
• 자유로운 생활 환경에서 파킨슨병 관련 운동 이상 징후와 임의의 의도적 운동을 구분하는 과제를 해결하기 위해.
• presence뿐만 아니라 떨림, 브라키네시아, 디스키네시아의 심각도를 임상적 심각도 평가 기준을 감독 신호로 사용하여 추정하기 위해.
• 다양한 파킨슨병 증상 유형의 고유한 특성을 반영하는 계층적 모델링 프레임워크를 개발하기 위해.
• 가용한 웨어러블 센서 데이터와 임상의 주석 기반 심각도 점수를 사용하여 방법의 신뢰성을 실생활 환경에서 검증하기 위해.

제안 방법

• 이 방법은 다층 가우시안 프로세스(GP) 아키텍처를 사용하며, 각 층이 파킨슨병 증상 유형 중 하나를 독립적으로 모델링한다: 떨림, 떨림이 없는 브라키네시아, 떨림이 없는 디스키네시아.
• 각 GP 모델은 손목에 부착된 관성 센서 데이터에서 유도된 입력 특징, 즉 시간 도메인 및 시간-주파수 도메인 표현(예: 스펙트로그램, 웨이블릿 계수)을 사용하여 훈련된다.
• 모델은 MDS-UPDRS에서 제공하는 임상 심각도 점수를 스칼라 출력으로 사용하여 0~4 척도의 심각도 회귀를 가능하게 한다.
• 계층적 스택 구조는 증상 특화된 동적 특성을 독립적으로 모델링하면서도, 알려지지 않은 의도적 운동에 대한 강인성과 해석 가능성 유지에 기여한다.
• 각 GP에 대해 제곱 지수 커널을 사용하며, 비선형적인 센서 입력에서 심각도로의 매핑을 포착하기 위해 최대 우도 최적화를 통해 초모수를 조정한다.
• 최종 예측 결과는 각 증상에 대해 가우시안 분포를 제공하여 심각도 추정치와 신뢰 구간을 동시에 제공한다.

실험 결과

연구 질문

• RQ1 비정형적인 손 움직임 데이터에서 다층 가우시안 프로세스 모델이 여러 파킨슨병 운동 증상의 심각도를 정확하게 추정할 수 있는가?
• RQ2 자유로운 생활 환경에서 이 모델은 파킨슨병 관련 운동 이상 징후와 임의의 의도적 운동을 얼마나 잘 구분할 수 있는가?
• RQ3 계층적 GP 구조는 단일 모델 접근 방식에 비해 서로 다른 증상 유형의 추정 성능을 얼마나 향상시키는가?
• RQ4 특정 작업 지시나 제어된 활동이 없이도 모델이 임상 주석과 높은 일치도를 달성할 수 있는가?
• RQ5 시간-주파수 도메인 특징을 통합함으로써 모델은 미세하거나 떨림이 없는 운동 증상의 탐지 능력을 얼마나 향상시킬 수 있는가?

주요 결과

• 제안된 다층 GP 모델은 예측된 증상 심각도와 임상의 주석 기반 MDS-UPDRS 점수 사이에 강력한 일치도를 보였으며, 실생활 환경에서의 높은 신뢰성을 입증하였다.
• 환자가 특정 작업을 수행할 필요 없이도 떨림, 떨림이 없는 브라키네시아, 떨림이 없는 디스키네시아의 심각도를 성공적으로 추정하였다.
• 시간-주파수 도메인 특징의 사용은 떨림이 없는 운동 이상 징후의 탐지 능력을 크게 향상시켰으며, 이는 시간 도메인 특징만으로는 종종 포착하기 어려운 영역이었다.
• 계층적 구조 덕분에 알려지지 않은 임의의 의도적 운동이 존재하는 상황에서도 강인한 추정 성능 유지를 유지하였으며, 높은 예측 정확도를 유지하였다.
• 모델의 예측 신뢰 구간은 잘 校정되어 있어 임상적 의사결정 지원을 위한 신뢰할 수 있는 불확실성 추정을 제공하였다.
• 결과적으로 이 방법은 파킨슨병 진행 상황의 연속적이고 객관적이며 가정 기반 모니터링을 위한 실현 가능한 단계로 보인다.