帕金森患者的福音？新型基于IMU和机器学习的远程帕金森运动筛查设备

帕金森病（PD）患者在美国约有100万人，而全球患者超过1000万人。帕金森病是一种慢性的、不可治愈的疾病退化性疾病，需要临床医生特别是运动障碍方面的专家对患者进行密切监测。医生经常使用标准的临床仪器，如统一帕金森病评分量表（UPDRS）。通常来说，每名帕金森患者每年需要到临床医生诊所进行多次的病情评估。对于帕金森患者来说，这是一个很大的负担。

美国Shehjar Sadhu团队设计了一套基于机器学习的远程健康设备，利用UPDRS任务，远程检测手部运动并进行分类。该系统包含Edge Node和Fog Node。其中Edge Node使用一双智能手套记录手部的活动，其集成了手指弯曲传感器和惯性测量单元（IMU），并将数据无线传输到Fog Node进行分类。Fog Node运行基于机器学习（ML）的活动分类模型，以对基于UPDRS的手部运动任务进行分类。

共有9名志愿者带着智能手套参与了本方案的测试，其中5人为健康人，4名为帕金森患者。同时团队开发并测试了不同的分类模型，如K最邻近法（KNN）、支持向量机（SVM）和决策树（DT），以选择一个最适合用于远程症状评估算法。团队将测试数据拆分为3个子集，分别为训练数据集、测试数据集和验证数据集，数据量占比分别为80%、10%、10%。在SVM模型下训练数据集，测试数据集，验证数据集的准确率分别为94%、93%、93%，在FogNode上平均计算时间为560μs，优于其他模型。