Исследовательская группа доктора. Кодзи Фудзита из Токийского медицинского и стоматологического университета и доцент Юта Сугиура из Университета Кейо сосредоточили внимание на ухудшении движений большого пальца по мере развития болезни и проанализировали его характеристики.
Они разработали игровое приложение для смартфонов, в которое можно играть с помощью больших пальцев, и подготовили программу, которая определяет траекторию движения большого пальца во время игры и оценивает возможность заболевания с помощью машинного обучения. Приложение может выявить возможный синдром запястного канала с помощью простой игры, в которую можно играть за 30 секунд – 1 минуту.
Даже без сбора данных о пациентах они смогли эффективно построить оценочный режим на основе данных 12 бессимптомных участников, используя метод обнаружения аномалий. Когда эта программа была применена к 15 новым бессимптомным пациентам и 36 пациентам с синдромом запястного канала, чтобы проверить ее точность, результат был многообещающим с чувствительностью 93%, специфичностью 69% и 0.86 Площадь под кривой (AUC) (1). Это эквивалентно или лучше, чем результаты медицинского осмотра опытными хирургами-ортопедами.
Разработанный инструмент можно использовать для скрининга возможного синдрома запястного канала в местах, где нет специалиста, например, дома или в поликлинике. В будущем исследовательская группа стремится разработать систему, способную стимулировать обследование экспертом при подозрении на заболевание, чтобы предотвратить обострение. Это предотвратит неудобства и социальные потери, связанные с обострением заболевания, которое чаще встречается у женщин, и будет способствовать созданию общества, в котором женщины играют активную роль.
Исследование проводилось в рамках Стратегической программы фундаментальных исследований JST, исследований прекурсоров для эмбриональной науки и технологий (PRESTO).
(1) Площадь под кривой (AUC)
Этот элемент оценки используется для каждого метода тестирования, и более высокое значение указывает на лучший тест.
Чувствительность – это соотношение правильных положительных результатов для субъектов с заболеванием. Специфичность – это соотношение правильных отрицательных результатов для субъектов без заболевания. AUC – это комплексный индикатор точности, который сочетает в себе чувствительность и специфичность и принимает значение от 0 до 1.