پیش بینی برخط و شخصی سازی شده شدت بیماری پارکینسون با استفاده از سیگنال های صوتی فرد با استفاده از رگرسیون حداقل مربعات بازگشتی با فراموشی نمایی تطبیقی

نسل جدید سیستم های سلامت دیجیتال (سلامت ۵.۰) مبتنی بر رویکرد همراهی هوشمند با بیمار در بستر زندگی روزمره او است که با استفاده از ابزارهای هوشمند و الگوریتم های یادگیرنده امکان تشخیص و مراقبت از راه دور بیمار را فراهم می کند و مزیت آن دسترسی همگانی، مراقبت مداوم و... با تشخیص سریع و هزینه کم است. کاربرد این سیستم ها به ویژه برای سالمندان، که آسیب پذیری بیشتری دارند ضرورت می یابد. یکی از ناتوان کننده ترین و رایج ترین اختلالات عصبی در میان سالمندان، بیماری پارکینسون است که پس از آلزایمر، دومین بیماری تخریب کننده دستگاه عصبی محسوب می شود. 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% از پایانه های دوپامینی از بین نرود؛ چندان آشکار نیست. شواهد زیادی وجود دارد که نشان می دهد علائم غیر حرکتی 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. در این مقاله، یک مدل یادگیری آنلاین شخصی سازی شده مبتنی بر روش حداقل مربعات بازگشتی با فراموشی نمایی تطبیقی ارائه شده است که شدت بیماری پارکینسون را بر اساس شاخص UPDRS که یک مقیاس بالینی برای اندازه گیری شدت این بیماری است را از روی ویژگی های صوتی پیش بینی می کند. 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. این روش شامل دو مرحله اصلی است: ۱) تخمین اولیه شدت بیماری با استفاده از یک مدل پایه رگرسیون Ridge از جمعیت ۳۳ نفری ۲) کاهش خطای پیش بینی شدت بیماری هر فرد و تنظیم پویای ضریب فراموشی با دریافت ویژگی های صوتی در طول زمان و به روزرسانی وزن های رگرسیون. برای سنجش عملکرد مدل از سه معیار استاندارد رگرسیون استفاده شده است. برای پیش بینی شاخص Total-UPDRS میانگین قدرمطلق خطاها (MAE) ۰.۴۸، ضریب تعیین امتیاز (𝑅 ۲ (۰.۹۹ و جذر میانگین مربعات خطاها (RMSE) ۰.۹۷ و برای پیش بینی شاخص Motor UPDRS میانگین قدرمطلق خطاها (MAE) ۰.۴۲، ضریب تعیین امتیاز (𝑅 ۲ (۰.۹۹ و جذر میانگین مربعات خطاها (RMSE) ۰.۷۶ بوده است.

کلیدواژه ها:

شدت بیماری پارکینسون ، یادگیری افزایشی ، حداقل مربعات بازگشتی