D 2022

Prodromal Diagnosis of Lewy Body Diseases Based on the Assessment of Graphomotor and Handwriting Difficulties

GALAZ, Zoltan, Jiri MEKYSKA, Jan MUCHA, Vojtech ZVONCAK, Zdenek SMEKAL et. al.

Základní údaje

Originální název

Prodromal Diagnosis of Lewy Body Diseases Based on the Assessment of Graphomotor and Handwriting Difficulties

Autoři

GALAZ, Zoltan, Jiri MEKYSKA (203 Česká republika), Jan MUCHA (203 Česká republika), Vojtech ZVONCAK (203 Česká republika), Zdenek SMEKAL (203 Česká republika), Marcos FAUNDEZ-ZANUY, Luboš BRABENEC (203 Česká republika, domácí), Ivona MORÁVKOVÁ (703 Slovensko, domácí) a Irena REKTOROVÁ (203 Česká republika, domácí)

Vydání

CHAM, Intertwining Graphonomics with Human Movements, od s. 255-268, 14 s. 2022

Nakladatel

SPRINGER INTERNATIONAL PUBLISHING AG

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

30210 Clinical neurology

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14110/22:00134722

Organizační jednotka

Lékařská fakulta

ISBN

978-3-031-19744-4

ISSN

UT WoS

000913319000019

Klíčová slova anglicky

Lewy body diseases; Online handwriting; Graphomotor difficulties; Handwriting difficulties; Machine learning; Prodromal diagnosis

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 5. 8. 2024 08:08, Mgr. Tereza Miškechová

Anotace

V originále

To this date, studies focusing on the prodromal diagnosis of Lewy body diseases (LBDs) based on quantitative analysis of graphomotor and handwriting difficulties are missing. In this work, we enrolled 18 subjects diagnosed with possible or probable mild cognitive impairment with Lewy bodies (MCI-LB), 7 subjects having more than 50% probability of developing Parkinson's disease (PD), 21 subjects with both possible/probable MCI-LB and probability of PD > 50%, and 37 age- and gender-matched healthy controls (HC). Each participant performed three tasks: Archimedean spiral drawing (to quantify graphomotor difficulties), sentence writing task (to quantify handwriting difficulties), and pentagon copying test (to quantify cognitive decline). Next, we parameterized the acquired data by various temporal, kinematic, dynamic, spatial, and task-specific features. And finally, we trained classification models for each task separately as well as a model for their combination to estimate the predictive power of the features for the identification of LBDs. Using this approach we were able to identify prodromal LBDs with 74% accuracy and showed the promising potential of computerized objective and non-invasive diagnosis of LBDs based on the assessment of graphomotor and handwriting difficulties.

Návaznosti

NU20-04-00294, projekt VaV
Název: Diagnostika onemocnění s Lewyho tělísky v prodromálním stadiu založená na analýze multimodálních dat
Investor: Ministerstvo zdravotnictví ČR, Diagnostika onemocnění s Lewyho tělísky v prodromálním stadiu založená na analýze multimodálních dat