La détection précoce des moindres changements de fonction moteur peut être essentielle pour ralentir la progression de la maladie de Parkinson. Pourtant, ces signes subtils passent souvent inaperçus.
Maintenant, le chercheur de l'UF, Diego L. Guarín, Ph.D., exploite l'IA pour repérer ces changements subtils à partir des enregistrements vidéo avant que les symptômes cliniques ne deviennent évidents aux yeux du clinicien.
Guarín, professeur adjoint au UF College of Health & Human Performance du Département de physiologie et de kinésiologie appliquée du Collège et d'un corps professoral affilié du Herbert Wertheim College of Engineering, le département de la famille de la famille du Crayton Pruitt, a récemment publié les résultats de ses recherches sur Nature.
L'analyse vidéo nous permet de voir des modifications de mouvement que les yeux du clinicien ne peuvent pas voir. L'identification précoce de ces altérations de mouvement est essentielle à la gestion des maladies. «
Diego L. Guarín, Ph.D., chercheur UF
Dans son étude, Guarín a analysé des vidéos de mouvements de tapotements de 66 participants, y compris des individus en bonne santé; les personnes atteintes d'un trouble idiopathique du comportement du sommeil paradoxal, ou IRBD; et les personnes atteintes de la maladie de Parkinson précoce.
Le trouble idiopathique du comportement de sommeil paradoxal implique que des gens agissent leurs rêves, notamment parler, bouger ou même se déchaîner pendant le sommeil. Plus de 80% des personnes atteintes de l'IRBD développeront des troubles cérébraux de Parkinson ou connexes, ce qui en fait un sous-ensemble important de la population pour étudier les changements précoces de la fonction motrice.
Surtout, les participants à l'essai ne devaient montrer aucun signe visible de parkinsonisme – des conditions cérébrales qui présentent des symptômes similaires, comme des mouvements ralentis – sur leurs vidéos tape sur les doigts.
« Un clinicien expert a examiné les vidéos et a indiqué que ces participants étaient en bonne santé », a déclaré Guarín. « Tout le monde dont nous avons pris une analyse semblait sain à un observateur externe. »
Les enregistrements vidéo ont été analysés à l'aide de VisionMD, un logiciel d'apprentissage automatique open source que l'équipe de Guarín a développé.
« Lorsque vous traitez cette vidéo d'une personne d'apparence saine avec VisionMD, elle dira immédiatement: » Non, cette personne se déplace plus lentement que ce que vous attendez d'une personne en bonne santé « , il y a donc des modifications motrices présentes dans la vidéo qui ne peuvent pas être détectées à l'œil nu », a déclaré Guarín. « Notre technique d'analyse vidéo est si sensible qu'elle peut identifier les choses que le clinicien ne peut pas. »
L'étude a révélé que même lorsque les cliniciens pensaient qu'un test de tapotement des doigts semblait normal, l'analyse vidéo utilisant l'IA a identifié que les personnes atteintes de la maladie de Parkinson avaient des mouvements plus petits et plus lents que les autres groupes, démontrant la signification de cette approche.
De plus, l'IA et l'analyse vidéo pourraient détecter l'effet de séquence chez les personnes atteintes de la maladie de l'IRBD et de Parkinson. L'effet de séquence est la diminution progressive de l'amplitude et / ou de la vitesse du mouvement pendant le mouvement répétitif, comme taper les doigts. L'origine et les mécanismes de ce signe moteur sont mal comprises, mais sa présence dans l'IRBD et celle de Parkinson pourrait indiquer que l'effet de séquence est un indicateur précoce des troubles cérébraux.
« La réalisation d'un dépistage simple et efficace comme celle-ci grâce à des enregistrements vidéo standard, même ceux pris sur un smartphone ou une webcam, pourraient ouvrir la porte à donner un diagnostic au cerveau plus tôt et aider les personnes plus à risque de progression de la maladie », a déclaré Guarín.
