利用可穿戴惯性传感器与拓扑数据分析识别不同神经运动疾病中的独特步态表型

《npj Digital Medicine》：Identifying unique gait phenotypes across neuromotor conditions using wearable inertial sensors and topological data analysis

　　

摘要

可穿戴传感器能够详细记录步态和活动能力，但在精准康复领域中，如何将高维数据转化为具有临床应用价值的见解仍是一项挑战。我们运用拓扑数据分析方法，分析了81名患有中风、帕金森病、下肢功能差异、功能性神经疾病的患者以及健康对照组的惯性传感器数据。通过拓扑数据分析，我们得到了一个统一的功能图谱，该图谱根据不同疾病患者共有的步态特征对她们进行了分类。在中风患者中，可区分出低功能、中功能和高功能三种表型，这些表型与临床预后相吻合；而帕金森病患者则表现出从低功能向高功能更平滑的过渡。下肢功能存在差异的患者则分布在其他不同的表型中，这反映了他们步态特征的多样性及共性。通过监督机器学习分析，我们还为每种表型确定了其特征标志。这一框架有助于将新患者归类到易于理解的功能表型中，为有针对性的干预措施制定提供支持，同时也能让医生依据传感器数据做出临床决策。