隔离快速眼动睡眠行为障碍(iRBD)是α-突触核蛋白酶原的主要前列腺标志物,通常在帕金森氏病的临床发病,Lewy身体痴呆或多系统萎缩之前。 虽然腕戴式运动仪通过捕获异常的夜间运动,在大规模筛查工作中具有检测RBD的巨大潜力,但在没有可靠和高效的分析管道的情况下,它们变得无法操作。 这项研究展示了Activect,一个完全自动化的开源机器学习工具,用于从行为学记录中识别RBD。 为了确保跨异质采集设置的可推广性,我们的管道包括强大的预处理和自动睡眠唤醒检测,以协调多设备数据并提取可生理解释的运动特征,特征是活动模式。 对78名个体进行了模型开发,在嵌套交叉验证下产生了强烈的歧视(AUROC = 0.95)。 在致盲的局部测试集(n = 31, AUROC = 0.86)和两个独立的外部队列(n = 113,AUROC = 0.84; n = 57,AUROC = 0.94)上确认概括。 为了评估现实世界的稳健性,内部和外部队列的留置数据集交叉验证表现出一致的性能(AUROC范围=0.84-0.89)。 补充稳定性分析显示,关键预测功能在数据集中仍然是可重复的,支持最终的集合多中心模型作为强大的预训练资源,用于更广泛的部署。 通过开源和易于使用,我们的工具促进了广泛的采用,并促进了独立的验证和协作改进,从而推进了使用可穿戴设备的统一和可推广的RBD检测模型。