基于智能手机视频深度学习准确评估帕金森病步态障碍

步态障碍是帕金森病（PD）中最常见且最具致残性的症状之一，其表现复杂且高度异质。在此，我们提出了一种基于深度学习的框架，利用智能手机录制的视频评估步态障碍。该框架在预测 PD 严重程度方面表现出色，微平均受试者工作特征曲线下面积（AUC）为 0.87，F1 分数为 0.806，与三位临床专家的平均表现相当。此外，它以 73.68%的精度有效区分了药物对步态障碍的整体疗效。特别是，它能够区分统一帕金森病评分量表（UPDRS）分辨率之外的药物诱导的细微粒度步态变化。此外，我们的可解释框架能够提取传统临床使用的运动指标，并发现对疾病进展和药物反应敏感的新数字生物标志物。 这些发现强调了其在临床和家庭环境中高效评估疾病进展的巨大潜力，以及在临床试验中评估疾病修饰效果的潜力，以促进个性化治疗。