مدل یادگیری افزایشی جهت پیش بینی شدت بیماری پارکینسون با استفاده از سیگنالهای صوتی فرد و با الهام از مفهوم دوقلوی دیجیتال

نسل چهارم از انقلاب صنعتی با تمرکز بر اتوماسیون و بهره گیری از داده های کلان و هوش مصنوعی، به بهینه سازی فرآیندها و افزایش کارایی پرداخته است. صنعت ۵.۰ در راستای تکامل صنعت ۴.۰ با ایجاد هماهنگی بین انسان و ماشین علاوه بر افزایش بهره وری به دنبال ارتقای کیفیت زندگی و رفاه اجتماعی است. دوقلوی دیجیتال به عنوان یکی از ابزارهای کلیدی در این انقلاب جدید در صدد ایجاد یک دنیای مجازی جدید است که امکان هدایت و کنترل دنیای فیزیکی از آن وجود دارد. دوقلوی دیجیتال یک مدل نرم افزاری مجازی از یک موجودیت فیزیکی در چرخه حیات آن است و با استفاده از سیگنال هایی که از سنسورهای تعبیه شده بر روی مدل فیزیکی دریافت می نماید؛ وضعیت سلامت و عملکرد آن موجودیت را به طور لحظه ای و آنلاین شبیه سازی می کند. سلامت ۵.۰ با اقتباس از اصول صنعت ۵.۰ به دنبال ایجاد یک سیستم بهداشتی مشارکتی است که در آن پزشکان می توانند وضعیت حرکتی و علائم بالینی بیماران را به شیوه ای دقیق تر و در زمان واقعی بررسی نمایند. این سیستم به جای تمرکز صرف بر داده ها و اتوماسیون بر بهبود ارتباطات انسانی و شخصی سازی خدمات تاکید دارد. با الهام از مفهوم دوقلوی دیجیتال و به کارگیری آن در حوزه سلامت تمرکز بیشتری بر روی نظارت مستمر و واکنش سریع به نیازهای بیماران وجود دارد. پایش وضعیت بیمار در طول زمان به ویژه برای بیماری های مزمن و پیشرفته ای چون پارکینسون اهمیت زیادی دارد چرا که این بیماری نیازمند توجه دائم است. با تجزیه و تحلیل داده های به دست آمده از دوقلوی دیجیتال می توانیم شدت بیماری پارکینسون را با دقت بیشتری تشخیص دهیم و پیشرفت آن را بهتر مدیریت کنیم. بیماری پارکینسون یک اختلال عصبی پیش رونده و دومین بیماری عصبی شایع در دنیا می باشد. از بین رفتن نورون ها در بیماری پارکینسون باعث ایجاد اختلال های حرکتی و شناختی می شود اما شروع اختلال های حرکتی تا زمانی که حدود ۸۰ درصد از پایانه های دوپامینی از بین نرود؛ چندان آشکار نیست. شواهد زیادی وجود دارد که نشان می دهد علائم غیرحرکتی و اختلال در صدای فرد بیمار، سال ها قبل از تشخیص بیماری، بروز پیدا می کند. از سوی دیگر حدود ۹۰٪ از بیماران پارکینسونی از اختلال گفتاری رنج می برند که یکی از اولین نشانه های بروز بیماری جهت تشخیص زودهنگام است. مدل ارائه شده در این مقاله با بهره گیری از مفهوم دوقلوی دیجیتال به پایش وضعیت بیمار و تشخیص شدت بیماری با استفاده از ویژگی های سیگنال صوت فرد می پردازد. در مرحله اول با استفاده از روش درخت تصمیم یک تخمین اولیه از شدت بیماری فرد به دست می آید و سپس با دریافت داده جدید در هر هفته سیگنال صوتی بیمار، پارامترهای مدل به روزرسانی شده و پیش بینی دقیق تری از شدت بیماری فرد ارائه می دهد. پایگاه داده استفاده شده در این مدل مربوط به ۴۲ نفر از افراد مبتلا به بیماری پارکینسون است؛ که در مراحل ابتدایی بیماری خود قرار دارند و حداقل ۶ ماه در یک دوره آزمایشی شرکت نموده اند. در این روش میانگین قدر مطلق خطاها (MAE) ۰.۴۶، ضریب تعیین (R۲) ۰.۹۹۴ و جذر میانگین مربعات خطاها (RMSE) ۰.۹۲۶ بوده است.

کلیدواژه ها:

دوقلوی دیجیتال ، پایش وضعیت ، شدت بیماری پارکینسون ، یادگیری افزایشی