Smartphone-Video für Ganganalyse und Sturzrisiko bei Parkinson: Deep Learning in der Klinik
Von KI ausgewählt und zusammengefasst
Worum es geht
Querschnittstudie zur Entwicklung und Validierung eines Smartphone-Video-basierten Gangbewertungssystems mit Deep Learning (MoviNet) für Morbus-Parkinson-Screening, funktionelle Einstufung (Schwab-England-Skala) und Sturzrisikiklassifizierung; 40 Teilnehmer mit milder bis moderater PD und Kontrollen.
Ergebnis
Für PD-Screening: Genauigkeit 95,7 %, Sensitivität 96,6 %, Spezifität 92,2 %, AUC 0,994. Für S&E-ADL-Funktionseinstufung: Gesamtgenauigkeit 88,5 % über drei Kategorien. Für Sturzrisikiklassifizierung: Genauigkeit 91,1 %, Sensitivität 68,4 %, Spezifität 98,3 %, AUC 0,909. Robuste Leistung über alle drei Aufgaben hinweg mit unabhängiger Test-Datenpartitionierung.
Übertragbarkeit auf Deutschland
Taiwan; technisch übertragbar auf deutschsprachige Systeme, weitere Validierung nötig
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.