機械学習モデルでパーキンソン病を早期診断
What the trained eye cannot see: Quantitative kinematics and machine learning detect movement deficits in early-stage Parkinson's disease from videos
背景
パーキンソン病（PD）初期における運動症状の定量評価への機械学習（ML）導入の効果は。
アメリカUniversity of FloridaのGuarinらは、初期PD患者31名と、年齢マッチした健常対照者26名による3つの動作タスク（指タッピング・手の動き・下肢敏捷性）のビデオを分析した。姿勢推定にMLアルゴリズムを用い、ビデオから運動学的特徴を抽出し、左右の動きと左右対称性に基づく3つの分類モデルをトレーニングした。モデルを、ビデオから健康な対照群と初期PDを区別するようトレーニングした。
結論
左側・右側・対称性の特徴量を組み合わせて、指タッピングで79%、手の動きで75%、下肢敏捷性では79%のPD検出精度が得られ、ソフト投票（soft voting）アプローチを使用して、3タスクを組み合わせると精度は86%になった。対照的に、動きの側面または対称性が考慮されなかった場合、分類精度は40%から72%の間で変動した。
評価
PD管理へのAIの応用は、急速に発展している分野である（https://doi.org/10.1016/j.arr.2024.102410）。診断分野では、この研究のように運動症状の定量解析が重要だが、遠隔診断・モニタリング（https://www.nature.com/articles/s41591-022-01932-x）・薬効評価などへの利用も有望である。
