KI-System erkennt Parkinson-Anzeichen in Stimme, Gang und Zeichnungen

Durch die Zusammenführung von Stimminstabilität, Gangasymmetrie und zitterbedingten Handschriftänderungen in einem einzigen erklärbaren KI-Framework zeigen Forscher, wie digitale Biomarker die Parkinson-Erkennung näher an ein zuverlässiges Screening in der Praxis bringen können.

Studie: Erklärbare multimodale Feature-Fusion-Netzwerke zur Vorhersage der Parkinson-Krankheit. Bildnachweis: goodluz/Shutterstock.com

Die jüngsten Fortschritte in der Informatik, insbesondere der Einsatz künstlicher Intelligenz, versprechen eine höhere Genauigkeit und Effizienz der medizinischen Diagnose. Eine kürzlich in der Zeitschrift veröffentlichte Studie Grenzen der digitalen Gesundheit stellt einen Deep-Learning-Ansatz vor, der mehrere Modalitäten von Eingabedaten nutzt, um die Erkennung der Parkinson-Krankheit zu verbessern.

Digitale Biomarker zielen darauf ab, Parkinson im Frühstadium zu erkennen

Die Parkinson-Krankheit (PD) ist eine fortschreitende neurodegenerative Erkrankung. Es äußert sich in motorischen Beeinträchtigungen, einschließlich Zittern, Steifheit, Gangstörungen, Handschriftschwierigkeiten und verlangsamten Bewegungen. Darüber hinaus kommt es zu kognitiven Beeinträchtigungen, Sprachproblemen und Schlafstörungen. Die PD-Diagnose erfolgt in erster Linie klinisch und basiert auf einer neurologischen Untersuchung. Die subjektive Natur dieses Prozesses kann das Risiko einer Fehldiagnose oder einer verpassten Diagnose erhöhen, insbesondere im Frühstadium der Erkrankung.

Künstliche Intelligenz (KI) kann helfen, diese Einschränkungen zu überwinden, indem sie Handschrift, Gang und Sprache auf verräterische Anzeichen einer frühen Funktionsstörung analysiert. Diese objektiv gemessenen digitalen Biomarker können dabei helfen, Parkinson im Frühstadium zu erkennen. Die KI-gesteuerte Sprachanalyse hat in kontrollierten Datensätzen eine Genauigkeit von bis zu 99 % erreicht. Ebenso kann eine gangbasierte Analyse mit einer Genauigkeit von bis zu 97 % zwischen PD-Patienten und gesunden Kontrollpersonen unterscheiden. Die Handschriftanalyse hat ebenfalls eine Genauigkeit von fast 98 % erreicht.

Dennoch weist jede davon erhebliche Probleme auf, wenn sie auf den klinischen Kontext angewendet wird. Beispielsweise kann die Sprachanalyse durch Unterschiede in Akzent, Sprache oder Hintergrundgeräuschen verfälscht werden. Ähnliche Qualitätsprobleme plagen gangbasierte und handschriftbasierte Erkennungssysteme. Ersteres hängt in hohem Maße von der ordnungsgemäßen Verwendung hochwertiger Sensoren ab, während die Handschriftanalyse häufig auf Experimenten basiert, die unter kontrollierten und nicht unter realen Bedingungen durchgeführt werden. Daher sind diese unimodalen Systeme schlecht verallgemeinerbar und können nicht einfach skaliert werden.

KI-Modelle sind zudem oft schlecht interpretierbar; Sie bieten Vorhersagen, erläutern jedoch nicht die Überlegungen, die bestimmen, wie und warum Entscheidungen getroffen werden. Dies hat zur Einführung von Erklärbarkeitsmechanismen geführt, die in diesem Fall durch SHapley Additive exPlanations (SHAP), Gradient-weighted Class Activation Mapping (Grad-CAM) und Integrated Gradients (IG) veranschaulicht werden. Wenn diese in PD-Modelle integriert werden, können Ärzte verstehen, welche Attribute den Entscheidungsprozess beeinflusst haben. Ihr relativ begrenzter Einsatz hat das Wachstum der klinischen Unterstützung für KI-basierte Erkennungssysteme verlangsamt.

In der aktuellen Studie wurde versucht, diese Hindernisse zu überwinden, indem ein multimodales Deep-Learning-Framework verwendet wurde, das drei Modalitäten umfasst: Gang, Handschrift und Sprache. Dieser Ansatz integriert komplementäre Erkenntnisse aus mehreren Modalitäten, die für das breite Spektrum klinischer Parkinson-Merkmale repräsentativ sind, in einer einzigen Vorhersage. Wenn eine Modalität unzuverlässig oder laut ist, können die anderen beiden dazu beitragen, die Gesamtklassifizierungsleistung zu verbessern.

Dennoch hinkt die Erklärbarkeit in multimodalen Rahmenwerken hinterher, was sie in der klinischen Praxis unbeliebt macht. Angesichts dieser Lücke präsentieren die Forscher ein statisches Early-Feature-Fusion-System. Das Modell kombiniert modalitätsspezifische Merkmale durch Merkmalsverkettung und anschließende XGBoost-Klassifizierung und optimiert so die Gesamtvorhersageleistung. Darüber hinaus umfasst das Modell SHAP, Grad-CAM und integrierte Gradienten, um die Interpretierbarkeit sicherzustellen.

Innerhalb der trimodalen frühen Fusionsarchitektur

In diesem Modell wurden tiefe neuronale Netze verwendet, um einzelne Modalitäten über spezielle Pipelines zur Merkmalsextraktion zu verarbeiten. Für die Sprache wurden Log-Mel-Spektrogramme mit EfficientNet-B0 analysiert; Für den Gang wurden zeitliche Faltungsnetzwerke und Autoencoder verwendet, um Merkmale der vertikalen Bodenreaktionskraft zu extrahieren. und für die Handschrift wurden Spiralzeichnungen mit ResNet-50 verarbeitet. Anschließend erfolgte die Verkettung und Klassifizierung statischer Merkmale mit einem XGBoost-Modell. Es wurden erklärbare KI-Techniken eingesetzt, um das Modell sowohl auf Modalitäts- als auch auf Merkmalsebene interpretierbar zu machen.

Für die Sprachanalyse wurden Log-Mel-Spektrogrammdarstellungen verwendet, um Stimminstabilität, Tonhöhenschwankungen und spektrale Merkmale im Zusammenhang mit Parkinson zu erfassen. Die Verwendung mehrerer Stimmparameter verbesserte die Vorhersageleistung. In ähnlicher Weise wurden von tragbaren Sensoren abgeleitete Gangsignale, insbesondere Daten zur vertikalen Bodenreaktionskraft aus einem öffentlichen PhysioNet-Datensatz, analysiert, um Schrittunregelmäßigkeiten, Asymmetrien und zeitliche Instabilität zu erfassen.

Für die Handschriftanalyse wurden digitalisierte Spiralzeichnungen verwendet, um durch Tremor verursachte Abweichungen, Krümmungsänderungen und Mikrographien zu erkennen. Grad-CAM-Visualisierungen hoben Regionen der Spirale hervor, die den größten Einfluss auf Klassifizierungsentscheidungen haben.

Wichtig ist, dass dieser Rahmen im Gegensatz zu mehreren in der Literaturübersicht zitierten Studien keine Liquor-Biomarker, Neuroimaging, Geruchstests, Schlafdaten, Gesichtsbewegungsanalysen oder Fingertippbewertungen berücksichtigte. Das vorgeschlagene System stützte sich ausschließlich auf Sprach-, Gang- und Handschriftdatensätze.

Benchmark-Datensätze validieren die multimodale Leistung

Das System wurde anhand öffentlich verfügbarer Benchmark-Datensätze bewertet: ein Spiral-Handschriftdatensatz (3.264 Proben), der MDVR-KCL-Sprachdatensatz (ungefähr 73 Probanden) und der GAITPDB-Gangdatensatz (ungefähr 168 Probanden). Um eine robuste Bewertung sicherzustellen, wurde eine fünffach geschichtete Kreuzvalidierung eingesetzt.

Das trimodale Fusionsmodell erreichte eine Genauigkeit von 92 % und übertraf damit die unimodalen Modelle für Handschrift (91 %), Gang (90 %) und Sprache (74 %). Es erreichte einen Makro-F1-Score von 0,89, eine Fläche unter der ROC-Kurve (AUC) von 0,95 und eine durchschnittliche Präzision von 0,96 bei ausgewogener Sensitivität und Spezifität von etwa 90 % bzw. 89 %.

Einfacher ausgedrückt klassifizierte das kombinierte Modell etwa neun von zehn Fällen korrekt und sorgte gleichzeitig für ein gutes Gleichgewicht zwischen der Identifizierung von Parkinson-Patienten und der Vermeidung von Fehlalarmen.

Bootstrapping-Konfidenzintervalle unterstützten die statistische Robustheit dieser Ergebnisse zusätzlich. Externe Validierungsexperimente zeigten ähnliche Klassifizierungsmuster, allerdings mit leichten Leistungsschwankungen, die auf Unterschiede in den Datensätzen zurückzuführen sind.

Das Modell schnitt besser ab als unimodale Systeme und lieferte einen interpretierbaren KI-gestützten Rahmen. Der Fusionsmechanismus umfasste jedoch eher eine statische Verkettung als eine adaptive oder auf Zuverlässigkeit basierende dynamische Gewichtung, und in der Studie wurden keine Szenarien mit fehlender Modalität experimentell simuliert. Die Autoren betonen außerdem, dass die multimodale Fusion zwar die Robustheit verbesserte, die Leistung jedoch retrospektiv anhand von Benchmark-Datensätzen und nicht in prospektiven klinischen Studien bewertet wurde.

Erklärbare KI stärkt das Parkinson-Screening-Potenzial

Die Studie stellt ein Diagnosesystem vor, das auf multimodaler Feature-Fusion-Modellierung unter Verwendung von KI basiert und eine solide Leistung und Interpretierbarkeit anhand von Benchmark-Datensätzen demonstriert.

Die Autoren erkennen jedoch wichtige Einschränkungen an. Das Rahmenwerk wurde noch keiner prospektiven klinischen Validierung unterzogen, wurde nur für die binäre Klassifizierung (PD versus gesunde Kontrollpersonen) evaluiert und beinhaltete keine von Ärzten geleitete Bewertung der Erklärbarkeit seiner Ergebnisse. Darüber hinaus bestehen weiterhin modalitätsspezifische Generalisierbarkeitsherausforderungen, insbesondere bei Sprach- und Gangdaten, die unter verschiedenen realen Bedingungen gesammelt wurden.

Zukünftige Studien sollten Neurologen und Längsschnittanalysen einbeziehen, um die klinische Gültigkeit dieses Rahmens festzustellen, Vertrauen aufzubauen und die regulatorische Bereitschaft sicherzustellen. Leichtere, einsatzorientierte Versionen des Modells sowie adaptivere multimodale Fusionsstrategien können die Anwendbarkeit in der Praxis weiter verbessern.

Laden Sie Ihr PDF-Exemplar herunter, indem Sie hier klicken.

Quellen: