在多于50岁的成年人中，监测与多发性硬化症相关的步态问题的进展可能是一项挑战，需要临床医生区分与MS相关的问题和其他与年龄相关的问题。为了解决这个问题，研究人员正在整合步态数据和机器学习，以提高用于监测和预测疾病进展的工具。

伊利诺伊大学厄巴纳香槟分校研究生Rachneet Kaur，运动学和社区卫生教授Manuel Hernandez以及工业和企业工程与数学教授Richard Sowers领导的这种方法的新研究发表在《电气与电子工程师学会生物医学工程学报》上。

多发性硬化症可在全球影响的约200万人中以多种方式出现，而步行问题是常见症状。研究报告称，约有一半的患者在发病后15年内需要步行帮助。

Hernandez说：“我们想了解衰老与并发MS疾病相关变化之间的相互作用，以及我们是否也可以区分老年MS患者。” “机器学习技术似乎在发现复杂的性能变化方面特别有效。我们假设，这些分析技术也可能有助于预测MS患者的步态突然变化。”

该团队使用仪器化的跑步机，从20名患有MS的成年人和20名年龄，体重，身高和性别相匹配的无MS成年人中收集了步态数据(针对身体大小和人口统计进行了标准化)。参与者以舒适的步伐行走长达75秒，而专用软件捕获了每次行走过程中的步态事件，相应的地面反作用力和压力中心位置。研究小组在每个步伐中提取了每个参与者的特征性空间，时间和动力学特征，以检查每个试验过程中步态的变化。

各种步态特征的变化(包括称为蝴蝶图的数据特征)有助于团队发现参与者之间步态模式的差异。该研究报告称，该图得益于蝴蝶形曲线的名字，该曲线是由受试者在行走过程中多次连续的跨步重复的压力中心轨迹创建的，并且与关键的神经功能有关。

考尔说：“我们研究了一种基于步态动力学的机器学习框架的有效性，该框架从健康控制中将老年MS的步幅进行了分类，从而可以概括出不同的步行任务和新的主题。” “这种拟议的方法论是朝着开发一种评估标志物的方向发展的，该标志物可以为医学专业人员预测在不久的将来可能会出现症状恶化的多发性硬化症的老年人。”

Sowers说，未来的研究可以提供更彻底的检查，以管理研究的较小人群。

Sowers说：“诸如步行的生物力学系统是建模较差的系统，因此很难在临床环境中发现问题。” “在这项研究中，我们正在尝试从数据集中得出结论，这些数据集包括对每个个体的许多测量结果，但对少数个体的测量结果。这项研究的结果在基于临床机器学习的疾病预测策略领域取得了重大进展。”