基于多模态数据的人工智能帕金森病检测与评估：综述
机器学习
2025-02-18 v1 声音
摘要
高度适应且可复用的人工智能（AI）模型的快速涌现，正引领医疗领域发生变革，尤其是在帕金森病（PD）的诊断与管理方面。目前，尚无有效的生物标志物可用于诊断 PD、评估其严重程度或追踪其进展。众多 AI 算法现已被用于 PD 的诊断与治疗，能够基于多模态且异构的疾病症状数据（如 PD 患者的步态、手部运动和语音模式）执行各种分类任务。它们提供具有表现力的反馈，包括预测患 PD 的潜在可能性、评估单一或多种症状的严重程度、辅助早期检测以及评估康复与治疗效果，从而展现出先进的医疗诊断能力。因此，本工作对近期关于通过生物特征症状识别进行 PD 检测与评估的研究进行了综述汇编，重点关注机器学习与深度学习方法，强调了它们的优势，揭示了其不足，并探讨了它们在开辟新研究途径方面的影响。此外，本文还对用于应对相关约束的数据集、方法和架构进行了分类与特征描述。进一步地，本文探讨了数据驱动的 AI 技术在 PD 诊断中带来的潜在机遇与挑战。
引用
@article{arxiv.2502.10703,
title = {Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey},
author = {Aite Zhao and Yongcan Liu and Xinglin Yu and Xinyue Xing},
journal= {arXiv preprint arXiv:2502.10703},
year = {2025}
}