新研究显示机器学习如何改善Rett综合征患者的护理

在过去的十年中，用于测量个人生理的医疗级和消费级可穿戴设备的使用激增。监测我们自己的活动和健康的能力比以往任何时候都更容易获得。

虽然这些设备在生物医学研究中的应用在很大程度上仅限于心脏病学，但一项新的研究表明，使用可穿戴电子胸贴片与机器学习和人工智能的进步相结合，可以帮助开发Rett综合征的新疗法，以及许多其他健康状况。

Gari Clifford博士及其在埃默里大学和佐治亚理工学院的研究小组在PLOS One上发表文章，使用MC10 Biostamp贴片来分析Rett综合征患者的运动和心脏活动。

Rett综合征是一种罕见的遗传性神经发育障碍，其特征是严重损伤，影响一个人正常说话，行走，进食和呼吸的能力。目前尚无治愈Rett综合征的方法，并且缺乏直接检测患者症状和疾病进展的客观模式的能力。

在研究期间，可穿戴贴片监测了研究参与者的心脏活动和运动。然后使用连续48小时内收集的数据来开发机器学习算法，该算法可识别特定于Rett综合征严重程度的生理和运动模式。特别是，克利福德和他的团队在运动和心率(以及它们如何相互影响)中发现了三种特定的模式，使他们能够准确地区分高症状和低症状严重程度的个体。

这导致了一个系统，该系统有可能根据人群的运动和心脏活动对症状的严重程度进行客观分级。这些数据对在未来临床试验中改善Rett综合征患者治疗选择的努力具有重大意义。

目前衡量治疗效果的选择依赖于临床医生或父母完成的问卷调查。从心脏和运动活动得出的与患者整体严重程度相匹配的生理学测量可能是一个重要的生物标志物，表明治疗是否有助于以后的其他症状，如沟通和活动。

“该算法提供了一个客观指标，可用于自动评估药物或其他干预措施对Rett综合征患者所经历的症状的影响，”克利福德说。“我们很高兴这些生物标志物有可能在这个人群中实现更个性化和有效的治疗，也许还有其他人群。

Rett综合征研究信托基金(RSRT)是致力于寻找治疗Rett综合征的领先非营利组织，正在赞助这项研究，并为Clifford及其团队提供额外资金，以继续在更大的人群中验证这项工作。

“这项初步研究的结果超出了我们的预期，并清楚地表明，患者症状的直接和客观测量不仅是可能的，而且足够敏感，可以区分症状严重程度，即使只有少数患者，”RSRT的首席科学官Jana von Hehn博士说，“这项工作有可能缩短临床试验时间，对治疗效果进行更敏感的评估，减少患者数量。我们很高兴能与Clifford博士及其专家团队继续这项重要工作。

近年来，人工智能和机器学习的使用因其能够改善许多疾病的诊断和治疗而在临床护理中受到越来越多的关注。这是机器学习首次应用于Rett综合征患者，但克利福德看到了将这种模型应用于其他人群的机会，例如自闭症患者。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！