| Разработчики: | Массачусетский технологический институт (MIT) |
| Дата премьеры системы: | сентябрь 2022 г |
| Отрасли: | Фармацевтика, медицина, здравоохранение |
2022: Анонс устройства
В конце сентября 2022 года исследователи из Массачусетского технологического института и других институтов продемонстрировали домашнее устройство, которое может отслеживать движения и скорость походки пациента, что может быть использовано для оценки тяжести болезни Паркинсона, прогрессирования заболевания и реакции пациента на лекарства.
Устройство размером с Wi-Fi роутер собирает данные пассивно, используя радиосигналы, отражающиеся от тела пациента, когда он передвигается по дому. Пациенту не нужно носить гаджет или менять свое поведение. Исследователи использовали эти устройства для проведения годичного домашнего исследования с участием 50 человек. Они показали, что, используя алгоритмы машинного обучения для анализа огромного количества данных, которые они пассивно собирали, врач может отслеживать прогрессирование болезни Паркинсона и ответ на прием лекарств более эффективно, чем при периодическом обследовании в клинике.
В работе используется беспроводное устройство, ранее разработанное в лаборатории Катаби, которое анализирует радиосигналы, отражающиеся от тела человека. Оно передает сигналы, потребляющие ничтожно малую часть мощности Wi-Fi роутера - эти сверхмаломощные сигналы не создают помех для других беспроводных устройств в доме. Радиосигналы проходят сквозь стены и другие твердые предметы, но отражаются от человека из-за воды, содержащейся в нашем теле. Это создает "человеческий радар", который может отслеживать перемещение человека в комнате. Радиоволны всегда распространяются с одинаковой скоростью, поэтому время, которое требуется сигналу, чтобы отразиться от устройства, показывает, как движется человек.
В устройство встроен классификатор машинного обучения, который может определять точные радиосигналы, отраженные от пациента, даже если по комнате передвигаются другие люди. Усовершенствованные алгоритмы используют эти данные о движении для расчета скорости походки - насколько быстро идет человек. Поскольку устройство работает в фоновом режиме и работает весь день, каждый день, оно может собирать огромное количество данных. Исследователи хотели проверить, смогут ли они применить машинное обучение к этим данным, чтобы получить представление о болезни с течением времени.
Ученые собрали 50 участников, 34 из которых страдали болезнью Паркинсона, и провели годичное исследование домашних измерений походки. В ходе исследования ученые собрали более 200 тыс. индивидуальных измерений, которые они усреднили, чтобы сгладить изменчивость, вызванную условиями, не имеющими отношения к болезни. Они использовали статистические методы для анализа данных и обнаружили, что скорость походки в домашних условиях может быть использована для эффективного отслеживания прогрессирования и тяжести болезни Паркинсона. Например, они показали, что скорость походки снижается почти в два раза быстрее у людей с болезнью Паркинсона по сравнению с теми, у кого ее нет.Как с помощью EvaProject и EvaWiki построить прозрачную бесшовную среду для успешной работы крупного холдинга 
Углубленное изучение этих различий позволило получить некоторые ключевые выводы. Например, исследователи показали, что ежедневные колебания в скорости ходьбы пациента соответствуют его реакции на лекарства - скорость ходьбы может улучшиться после приема препарата, а затем начать снижаться через несколько часов, когда действие лекарства ослабевает. В ходе исследования они научились автоматизировать процессы и сокращать усилия, особенно для участников и клинической команды. Эти знания окажутся полезными при проведении исследований других неврологических заболеваний, таких как болезнь Альцгеймера, ALS и болезнь Хантингтона.[1]
