Použití nositelných zařízení pro identifikaci faktorů spojených s mírnou kognitivní poruchou a raným stádiem Alzheimerovy choroby

Mírná kognitivní porucha (MCI) a časné stadium Alzheimerovy choroby (AD) představují kritická stadia na kontinuu neurodegenerativních kognitivních poruch. Porozumění těmto stavům je nezbytné pro umožnění časné diagnózy, implementaci cílených terapeutických strategií a vypracování komplexních plánů péče zaměřených na zlepšení kvality života pacientů a pečujících osob a, pokud je to možné, na oddálení neurodegenerativní progrese.

Celosvětová zátěž demence rychle narůstá a představuje naléhavou výzvu pro veřejné zdraví. Projekce odhadují, že přibližně 115 milionů lidí na celém světě bude žít s demencí do roku 2050. Pouze ve Spojených státech se očekává, že prevalence MCI přesáhne 21 milionů jedinců, s téměř 14 miliony případů Alzheimerovy choroby do roku 2060. Tato čísla zdůrazňují naléhavou potřebu pokroků v translační neurovědě, zejména v časných diagnostických strategiích a preventivních, personalizovaných přístupech k péči.

V tomto kontextu se nositelná technologie objevila jako slibný nástroj pro kontinuální, neinvazivní monitorování fyziologických a behaviorálních parametrů v reálném prostředí. Zařízení jako chytré hodinky a chytré prsteny umožňují longitudinální sběr dat týkajících se variability srdečního tepu, architektury spánku, fyzické aktivity a cirkadiánních rytmů – faktorů, které jsou stále více spojovány s kognitivním poklesem. Nově se objevující důkazy naznačují, že změny těchto parametrů mohou předcházet nebo doprovázet časnou kognitivní poruchu. Při integraci s pokročilými metodami umělé inteligence (AI) mohou tato data odhalit jemné vzorce naznačující časné neurodegenerativní procesy, které předcházejí zjevným klinickým příznakům.

Kombinace dat z nositelných zařízení s neurozobrazováním a elektroencefalografií (EEG) má potenciál vytvořit robustnější diagnostické modely. Zatímco nositelná zařízení zachycují behaviorální a fyziologickou dynamiku, magnetická rezonance (MRI) poskytuje podrobné informace o struktuře a funkci mozku a EEG umožňuje analýzu neuronálních oscilací a vzorců konektivity spojených s časnou kognitivní poruchou. Integrace těchto multimodálních datových proudů představuje složitou metodologickou výzvu, vyžadující pokročilé výpočetní rámce schopné zpracovat heterogenní, vysoce dimenzionální datové sady.

Pokroky v umělé inteligenci a strojovém učení umožňují integraci multimodálních dat a identifikaci komplexních vzorců, které nelze detekovat tradičními analytickými přístupy. Strategie fúze multimodálních dat, které kombinují fyziologické a behaviorální rysy odvozené z nositelných zařízení s neuropsychologickými, neurozobrazovacími a EEG odvozenými proměnnými, mohou zlepšit diagnostický výkon a podpořit individualizovanou stratifikaci rizika.

Toto je observační, analytická, jednocentrová, prospektivní kohortová studie navržená k integraci multimodálních klinických a digitálních dat pro vývoj a validaci modelů založených na AI, které jsou zaměřeny na časnou detekci MCI a časného stadia Alzheimerovy choroby. Studie je prováděna na Univerzitní nemocnici Getúlio Vargas (HUGV), terciárním akademickém centru a regionální referenci pro vysoce komplexní péči, ve spolupráci s Centrem pro výzkum a vývoj v elektronických a informačních technologiích (CETELI/UFAM), které poskytuje odborné znalosti v oblasti inteligentních systémů, datové infrastruktury a vývoje modelů AI.

Přístupy strojového učení a hlubokého učení jsou aplikovány k identifikaci vzorců spojených s kognitivním poklesem, podpoře časné detekce MCI a časné AD a umožnění stratifikace rizika. Vývoj a validace modelů upřednostňují robustnost, interpretovatelnost a potenciální klinickou použitelnost.

Tato studie si klade za cíl podpořit vývoj škálovatelných, dostupných a neinvazivních nástrojů založených na AI pro časnou detekci kognitivní poruchy. Využitím kontinuálního monitorování pomocí nositelných zařízení a integrace multimodálních dat může navrhovaný přístup přispět k dřívější diagnóze, lepší stratifikaci rizika a včasnějším intervenčním strategiím pro jedince ohrožené Alzheimerovou chorobou.