Forvandling af Parkinsons pleje med prædiktive algoritmer (TechHealthPD)

Parkinsons sygdom (PD) er den næstmest udbredte neurodegenerative lidelse og den mest almindelige lidelse, der påvirker motorisk koordination, og rammer 2% af befolkningen over 65 år og 4% i befolkningen over 80 år [1,2]. Patienter diagnosticeret med PD lider af alvorlige motoriske og ikke-motoriske symptomer. Typiske motoriske symptomer omfatter hvilende tremor eller stivhed, langsomhed i frivillige bevægelser kaldet bradykinesi, vanskeligheder med at udtale, når man taler, mens ikke-motoriske symptomer kan være søvn, kognitive og autonome funktionsforstyrrelser [3,4]. PD forstyrrer ikke kun motorisk funktion, men påvirker også i væsentlig grad livskvaliteten, søvnmønstre, kognitive aspekter og humør hos dem, der lever med tilstanden. Selvom der ikke er nogen kur mod PD, kan visse behandlinger såsom medicin, kirurgi og tværfaglige tilgange effektivt behandle og håndtere PD-relaterede symptomer. I betragtning af mangfoldigheden af ​​behandlinger og den forskelligartede indvirkning af motoriske og ikke-motoriske symptomer på daglig funktion, er der et stigende behov for mere omfattende interventioner. Talrige undersøgelser har undersøgt virkningen af ​​livsstilsinterventioner, såsom fysisk aktivitet (PA) på forskellige aspekter af PD, hvilket tyder på, at patienter med PD kan drage fordel af PA på en række måder, fra generelle forbedringer i sundhed til sygdomsspecifikke effekter og potentielt , sygdomsmodificerende resultater [5,6]. Til dette formål gennemførte vi et randomiseret dobbeltblindt klinisk forsøg udført for at studere virkningerne af PA på mitokondriel funktion i hudfibroblaster hos patienter med PD (NCT05963425) [7]. Dette var et interventionsstudie med 24 patienter, der blev tilfældigt fordelt i tre grupper (8 patienter/gruppe). Den første gruppe udførte grundlæggende fysisk træning (BPT) baseret på styrke og modstand, den anden gruppe udførte BPT kombineret med funktionelle øvelser (BPTFE) med kognitiv og motorisk træning, og den tredje gruppe gennemførte ikke noget aktivitetsprogram, der fungerede som kontrol. PA-interventionerne varede 60 minutter med en frekvens på 3 gange om ugen i 16 uger. Hovedformålet var at vurdere virkningerne af PA på mitokondriefunktionen og dens virkninger på en lang række kliniske faktorer, såsom motorisk funktion, livskvalitet, søvn, kognitive aspekter og humør.

Med udgangspunkt i den holistiske indsigt fra den tidligere undersøgelse, sigter dette projekt mod at skabe en teknologisk smart platform, der bruger kunstig intelligens (AI), til at fremme sunde vaner og optimal klinisk håndtering blandt PD-populationen. Teknologiske platforme dukker op som instrumentelle værktøjer til at transformere landskabet for PD-håndtering. Disse platforme kan facilitere kontinuerlig overvågning og skræddersyede interventioner, der integrerer for eksempel livsstilsindlejrede træningsprogrammer [8,9]. Men mens teknologiske interventioner har vist lovende at fremme sunde vaner [10], er der begrænset forskning i integrationen af ​​AI til personaliserede interventioner i forbindelse med PD [11]. Modeller udviklet til dato har flere vigtige begrænsninger, herunder brug af kun én enkelt funktion (dvs. motoriske symptomer), modelantagelser om, at patienter følger en fast progression eller ikke tager højde for både positive og negative effekter af symptomatisk behandling for PD [12]. Heri adresserer vi de nuværende begrænsninger og foreslår en holistisk tilgang baseret på en AI-model, der giver fagfolk, patienter og plejere en smart platform, der er i stand til at fremme sunde vaner og optimere kliniske aspekter. Heri anerkender vi vigtigheden af ​​PA sammen med andre sunde vaner for PD-patienter ved at inkorporere mere end 50 andre variabler fra Movement Disorder Society-Sponsored Revision of the Unified Parkinsons Disease Rating Scale (MDS-UPDRS), et omfattende klinisk værktøj, der bruges til at vurdere både motoriske og ikke-motoriske symptomer hos PD-patienter, opdelt i fire dele, der evaluerer daglige livserfaringer, motorisk undersøgelse og terapi-relaterede motoriske komplikationer. Det er vigtigt, at de indsamlede data vil blive valideret med Parkinsons Progression Markers Initiative (PPMI), et skelsættende studie med mere end 1500 patienter designet til at identificere biomarkører for PD-progression, hvilket øger pålideligheden og anvendeligheden af ​​vores resultater. Den vellykkede udførelse af dette projekt vil kulminere i en integreret løsning, der kombinerer web- og mobilgrænseflader, hvilket forbedrer den overordnede tilgængelighed og effektiviteten af ​​PD-diagnose- og overvågningsmuligheder. Den foreslåede AI-baserede smarte platform har betydelige sociale implikationer, primært med hensyn til at forbedre livskvaliteten for PD-patienter ved at adressere både motoriske og ikke-motoriske symptomer. Det fremmer en mere omfattende og personlig tilgang til behandling af PD, der bevæger sig ud over begrænsningerne af de nuværende behandlingsmetoder, som ofte fokuserer på enkeltstående aspekter af sygdommen. Ved at inkorporere en bred vifte af variabler fra en veletableret klinisk database sigter platformen mod at levere skræddersyede interventioner, der fremmer sunde vaner og optimerer kliniske resultater. Derudover vil platformens brug af kunstig intelligens til kontinuerlig overvågning og adaptive interventioner styrke patienter og plejere, give realtidsstøtte og reducere byrden på sundhedssystemerne. Dette repræsenterer et skift i retning af mere patientcentreret, proaktiv pleje, der potentielt forbedrer håndteringen af ​​sygdomsprogression og livskvalitet for den aldrende befolkning, der er ramt af PD. Afslutningsvis søger den omfattende tilgang at give værdifuld indsigt i PD progression og understøtte implementeringen af ​​sunde vaner i klinisk praksis.