基于人工智能的运动评估对帕金森病及多系统萎缩P型的诊断价值
王茜尧1
任娜2
陈纪霖3
李华2
李敏2
张舒凤2
于瑾2
钱海蓉1
1.230032 合肥,安徽医科大学第五临床医学院海军临床学院2.解放军总医院第一医学中心神经内科医学部3.解放军73021部队
摘要：目的 应用人工智能辅助下的运动障碍评估法对帕金森病(Parkinson's disease,PD)及多系统萎缩P型(multiple system atrophy-Parkinson,MSA-P)进行运动量化评估以期精准鉴别诊断.方法 连续纳入2024年1～9月在解放军总医院第一和第三医学中心神经内科就诊的年龄≥60岁患者105例,根据诊断情况分为PD组48例,MSA-P组31例及对照组26例.收集一般资料,采用运动功能辅助评估系统进行运动评定,评估该方法在PD及MSA-P中的鉴别诊断价值.结果 3组面部表情指标、左右侧对指频率、左右侧手部运动频率、右侧手部运动的幅度变化率、左右侧连续翻掌频率、左右侧脚趾拍地频率、左右侧脚趾拍地冻结负荷、左右侧腿部灵活度频率、右侧腿部灵活度幅度变化率、左右侧腿部灵活度的冻结负荷、直立伸展角速度、转身耗时、前进步频、返回步频、前进平均步幅、返回平均步幅、前进平均步速、返回平均步速、前进平均步宽、返回平均步宽、左右手姿势性震颤频率、左右手姿势性震颤最大幅度、左右手动作性震颤频率、左右手动作性震颤最大幅度、左右手静止性震颤频率比较,差异有统计学意义(P＜0.05,P＜0.01).MSA-P组左右侧瞬目频率、面部震颤最大幅度、面部震颤频率、直立伸展角速度、前进步频、返回步频明显低于PD组,张嘴时长占比及转身耗时明显高于PD组,差异有统计学意义(P＜0.05,P＜0.01).联合9项运动功能指标或5项面部表情指标鉴别诊断PD与MSA-P的ROC曲线下面积分别为0.943(95％CI:0.895～0.991,P=0.000),0.925(95％CI:0.870～0.981,P=0.000),大于各单项指标.结论 联合面部表情、姿势、步态等人工智能辅助的运动评估有助于PD及MSA-P的鉴别诊断.
关键词：帕金森病多系统萎缩人工智能诊断鉴别
资助基金：首都卫生发展科研专项(2020-2-5115)
论文发表日期：2025-04-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 482-487 )
英文信息