Deep Learning for Automated Tic Detection and Prediction in Tourette Syndrome Using Electromyography and Video

妥特综合征是一种以突然、不自主的动作或声音（称为抽动）为特征的神经系统疾病。对于患有这种疾病的人来说，这些抽动可能从快速的眨眼到复杂的耸肩，或是发声性的爆发不等。虽然这种疾病广为人知，但在临床环境中进行准确测量仍然很困难。目前，医生依赖患者或护理人员来回忆过去一周抽动发生的频率，或者观察在诊室录制的短视频片段。这两种方法都不完美；人类的记忆是会出错的，而短暂的诊室就诊可能会错过患者日常经历的全貌。由于抽动的强度会波动，且可以被暂时抑制，因此捕捉它们需要一种能够持续观察和倾听且不会疲劳的工具。

研究人员正越来越多地转向技术来解决这个问题，利用传感器记录肌肉活动并使用摄像机记录动作。来自佛罗里达大学的一个团队正是通过这样的努力，试图构建一个能够实时识别抽动的计算机系统。他们想知道，仅利用肌肉发出的电信号和身体的视频图像，人工智能是否能够学会区分一个人是在休息、有意识地移动肌肉，还是正在发生抽动。他们的目标是创造一种可靠的监测方式，这最终可能帮助医生调整治疗方案，甚至在抽动即将发生时自动触发疗法。

该团队收集了来自十六名被诊断为妥特综合征成人的数据。每位患者在三个月内多次访问诊所，期间研究人员使用放置在手臂和颈部的八个小型传感器记录了他们的肌肉活动。与此同时，一台高分辨率摄像机记录了他们的动作。为了确保计算机学到正确的知识，四位专家审查了视频片段，并精确标记了抽动发生、人在休息以及人在进行自主运动的具体时刻。研究人员随后将这些配对数据（肌肉信号与视频标签）输入到三种不同的旨在识别模式的计算机模型中。他们通过两种方式测试了这些模型：第一，要求它们识别当前时刻正在发生的情况；第二，要求它们预测下一刻将会发生什么。

研究的一个关键部分涉及测试计算机在做出决策前需要观察多少时间。研究人员最初猜测，由于抽动非常短暂，如果计算机观察极短的时间切片（例如仅一秒钟），效果会最好。他们测试了一秒、五秒和十秒的时间窗口。结果令他们感到惊讶。当任务是检测已经发生的抽动时，计算机在观察五秒窗口时表现最好。该模型在这一较长的时间范围内能以 0.79 的 AUC（曲线下面积）识别抽动，这表明抽动的电信号特征在几秒钟内展开，并需要一定的上下文信息才能被清晰识别。相比之下，当计算机试图在抽动发生前对其进行预测时，它在最短的一秒窗口下表现最好。这表明即将发生的抽动的预兆是非常近期且转瞬即逝的，需要系统专注于最近的信号，而非更长的历史记录。

研究发现，计算机模型在识别正在发生的抽动方面，通常比在发生前预测抽动方面表现得更好。用于检测的最成功的模型（使用了一种专门用于处理时间数据的特定类型的神经网络）达到了 0.79 的 AUC。虽然这是一个强有力的结果，但研究人员指出，该系统尚不完美。模型在预测未来抽动时表现得较为吃力，且其性能取决于分析的时间窗口长度。团队还观察到，当肌肉信号与专家视频标签相匹配进行训练时，计算机模型的学习效果最好，而不是仅仅依赖于肌肉信号本身。

研究人员谨慎地指出了他们工作的局限性。数据来自一组已经接受过深层脑刺激手术的特定患者，这可能使他们的肌肉信号与普通人群有所不同。传感器被放置在手臂和颈部，这意味着该系统无法检测到不涉及这些特定肌肉的语言抽动或面部抽动。此外，负责标注视频数据的专家在确定抽动何时开始或停止时并不总是达成完全一致，这在训练过程中引入了一定程度的不确定性。尽管存在这些限制，这项研究仍提供了一个明确的基准。它表明，对于检测抽动，系统需要几秒钟的数据才能确定，但对于预测抽动，它必须对最新的信号做出即时反应。

这项工作为未来能够持续且客观地监测妥特综合征的工具奠定了基础。通过这些研究结果构建的系统，将不再依赖记忆或短暂的诊室就诊，而是有可能追踪一个人数天或数周的病情，从而提供症状的完整图景。虽然目前的模型尚未准备好投入日常使用，但研究表明，将肌肉传感器与视频分析及人工智能相结合，提供了一条充满希望的路径。通过了解计算机需要多少时间来识别一次抽动，以及如何区分抽动与自主运动，科学家们可以开始设计出更有效地管理该病症的系统，从而向着一个基于实时数据而非估算的治疗未来迈进。