Remote Assessment of Parkinson Disease Using Deep Learning on Structured Mouse-Trace Data From Suspected Cases: Machine-Learning Pilot Feasibility Study

🔍✔ایده اصلی چیست؟
پژوهشگران در مطالعه‌ای که ۲۶ ژوئن ۲۰۲۶ در JMIR Formative Research منتشر شد، بررسی کردند آیا می‌توان از ردّ حرکت موس (Mouse Trace) برای شناسایی الگوهای حرکتی مرتبط با پارکینسون استفاده کرد.

💡روش کار:
افراد وارد یک وب‌سایت می‌شدند و چند کار ساده با موس انجام می‌دادند؛ مثلاً:

• کشیدن یک خط صاف ➖
• دنبال‌کردن موج سینوسی 〰️
• دنبال‌کردن یک مسیر مارپیچی 🌀

سیستم اطلاعات حرکت نشانگر را ثبت می‌کرد؛ همنجور که میدونید علائم پارکینسون لرزش ، کندی حرکات  و مشکلات حرکتی ضعیف هست که ai اونها رو در این پژوهش ردیابی کرد مثل مسیر حرکت، زمان انجام کار و ویژگی های حرکتی. بعد AI این داده‌ها را تحلیل می‌کرد و به دنبال الگوهایی می‌گشت که بین افراد دارای پارکینسون و افراد بدون آن متفاوت بود.
مثلاً تصور کن دو نفر یک مارپیچ را با موس می‌کشند:

شخص A:
حرکت نسبتاً روان → مسیر منظم → سرعت نسبتاً ثابت

شخص B:
تغییرات ظریف در سرعت → مکث‌های بیشتر → انحراف‌های کوچک از مسیر → حرکت نامنظم‌تر

این تفاوت‌های بسیار ریز می‌توانند تبدیل به Digital Biomarker (نشانگر زیستی دیجیتال) شوند و اینجاست که رشته HIT وارد میشه 😌🤌🏻

🧬زنجیره پروژه نورولوژی +HIT +AI:

👤 بیمار
↓
🖱️ تعامل با کامپیوتر
↓
📊 جمع‌آوری داده حرکتی
↓
🤖 تحلیل با AI
↓
🧬 Digital Biomarker
↓
🏥 سیستم سلامت / پرونده الکترونیک سلامت

🤯نکته جالب پژوهش این که مطالعه کاملاً از تجهیزات تخصصی آزمایشگاهی استفاده نکرد؛ داده‌ها از راه دور و از طریق وب جمع‌آوری شدند. پژوهشگران ۲۶۱ نفر را  از طریق مطالعه pilot feasibility بررسی کردند و مدل‌های مختلف یادگیری عمیق را روی داده‌های حرکتی موس آزمایش کردند.

منبع:مطالعه ۲۰۲۶ در JMIR Formative Research درباره استفاده از Mouse Trace برای ارزیابی از راه دور پارکینسون

✍🏼فاطیما گلستانی پور

🔹️انجمن علمی دانشجویی فناوری اطلاعات سلامت دانشگاه علوم پزشکی جندی شاپور اهواز