打开网易新闻 查看精彩图片

准确且连续监测老年人的步长，辅助诊断神经系统疾病和衰老进程。最新可穿戴设备与AI-ML算法整合应用案例。监测步长变化是一种敏感且非侵入性的评估方法，可以测评与衰老、认知能力下降或帕金森症、阿尔茨海默症以及多发性硬化症等多种神经系统疾病相关的各种影响。有意向技术合作者，微信联系GlobalMD.

阅读文摘

研究人员开发了一种基于机器学习的算法，结合可穿戴传感器，即佩戴在背部的小型、轻便、防水的可穿戴传感器，自动收集数据，并将数据转化为用户(老年人）步长的准确估计值。该模型准确度是目前临床上最先进生物力学模型的四倍。

步长是一种敏感且非侵入性的神经系统功能检测指标，能够准确反映与衰老、认知能力下降、帕金森症、阿尔茨海默症等神经系统疾病相关的健康问题。

研究人员研发了这一AI-ML算法，配合日常可穿戴设备，能够在不影响用户日常生活的同时，持续监测患者用户的步长变化。

该AI-ML算法及其可穿戴设备监测了472名不同神经系统疾病患者的步态数据，经过AI-ML训练，该AI模型对步长的预测误差仅为6厘米。

研究结论是，该AI-ML模型及可穿戴设备整合系统，不仅稳健可靠，而且可以用于远程医疗、患者居家连续监测等状况，也可以作为临床试验辅助数据采集和支持系统。

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

关注我们，获取生物医学前沿最新资讯