بررسي روش‌هاي شناسايي بيماري آلزايمر با استفاده از آناليز الگوي راه رفتن

هدف: شناسايي زودهنگام بيماري آلزايمر به عنوان يك بيماري تخريب‌گر مغزي و شايع‌ترين عامل دمانس در سالمندان، با استفاده از آناليز الگوي راه رفتن مورد توجه ويژه محققين در سال‌هاي اخير قرار گرفته است. زيرا اين روش نوين غيرتهاجمي، كم‌هزينه‌تر و قابل انجام در محيط‌هاي غيركلينيكي و آزمايشگاهي است. بنابراين، در اين مقاله مروري، شناسايي بيماري آلزايمر به‌وسيله آناليز الگوي راه رفتن با استفاده از ابزارهاي فناوري اطلاعات در مطالعات پيشين، بررسي شد. مواد و روش‌ها: جست‌وجوي مقالات پيشين در پايگاه‌هاي اطلاعاتي مانند Google Scholar، Pubmed، IEEE، Springer و Elsevier انجام شد. پس از يافتن مقالات در اين پايگاه‌ها، مقالات مناسب بر اساس معيارهايي مانند تمركز مطالعه بر روي سالمندان با بيماري آلزايمر يا اختلالات شناختي خفيف، شناسايي و ارزيابي بيماري آلزايمر، استفاده از فناوري سنسورها براي ثبت راه رفتن، براي بررسي انتخاب شدند. يافته‌ها: با استفاده از آناليز الگوي راه رفتن به‌وسيله ابزارهاي نوين مبتني بر سنسورها و فناوري اطلاعات مي‌توان به شناسايي بيماري آلزايمر، حتي در مراحل اوليه و نيز در مرحله اختلالات شناختي خفيف پرداخت. هم‌چنين با تكيه بر تركيب فناوري‌هاي مختلف سنسورها و استفاده از روش‌هاي هوش مصنوعي امكان ارزيابي كمي و شناسايي دقيق‌تر بيماري فراهم مي‌شود. نتيجه‌گيري: اگر چه آناليز الگوي راه رفتن مي‌تواند ابزار جديدي براي شناسايي زودهنگام بيماري آلزايمر باشد، اما براي استفاده از آن به عنوان يك ابزار مطمئن در كلينيك‌ها نياز به توسعه و بهبود آن با تكيه بر فناوري سنسورها و هوش مصنوعي دارد

Introduction: Early detection of Alzheimer's disease (AD), as a neurodegenerative disease and the most common cause of dementia in the elderly people, using gait analysis have been particularly noted by researcher in recent years. Because this novel method is non-invasive, less cost, and feasible in non-clinical and laboratory environments. Therefore, in this Meta-Analysis review article, detection of AD using gait analysis based on information technology tools surveyed in previous studies. Materials and Methods: The search for previous articles was done in databases such as Google Scholar, Pubmed, IEEE, Springer, and Elsevier. After finding articles in these databases, appropriate articles were selected to survey based on criteria such as focusing of the study on elderly patients with AD or mild cognitive impairment, the detection and assessment of AD, and the use of sensor technology to record gait. Results: AD can be detected, even in the early stages and also at a stage of mild cognitive impairment based on gait analysis using new technologies with sensors and information technologies. Also, it is possible to quantitatively evaluate and more accurately detect the disease based on the combination of different sensor technologies and the use of artificial intelligence techniques. Conclusion: Although gait analysis can be a novel tool for early detection of AD, but it is essential to be developed and improved based on sensors and artificial intelligence in order to be used as a reliable clinical tools.