Parkinsonin taudin digitaaliset diagnostiikka- ja interventiopalvelut

Diagnoosi: PD:n diagnosoinnin nykyinen tekniikka perustuu ensisijaisesti oireisiin ja neurologiseen tutkimukseen perustuviin kliinisiin arviointeihin. Yleisimmin käytetyt diagnoosikriteerit ovat Movement Disorder Society (MDS) -kriteerit ja instrumentti (ts. MDSUPDRS). Nämä kriteerit ovat erittäin riippuvaisia ​​diagnoosin tekevän lääkärin asiantuntemuksesta, ja siksi ne ovat vaihtelevia. Lisäksi nämä kliiniset arvioinnit eivät pysty seuraamaan tarkasti taudin etenemistä ajan myötä, mikä vaikeuttaa yksilöllisen hoidon antamista.

Arviointi: sillä on tärkeä rooli näissä konsultaatioissa auttaakseen kliinikkoja ymmärtämään potilaiden terveydentilan ja taudin etenemisen, mikä on tarpeen hoitosuunnitelmien mukauttamiseksi. Nykyiset kliiniset menetelmät perustuvat UPDRS:ään, joka on kliininen tulosmitta, joka vaatii kliinistä asiantuntemusta ja koulutusta ja jota näin ollen mitataan kliinisillä tapaamisilla.

Lisätietoa voidaan saada potilaiden subjektiivisesta kuvauksesta oireistaan ​​ja/tai lyhyillä kävelytesteillä, kuten 3 metrin ajastus ja meno (TUG), joka tehdään tilannekuvana klinikalla. Potilaiden vaihtelevat kuitenkin päivien välillä ja subjektiiviset kuvaukset perustuvat heidän muistiin ja havaintoihinsa kotona. Nämä muistikuvat voivat olla epäluotettavia tai niistä puuttuu tarpeeksi yksityiskohtia (varsinkin kun potilaalla on kognitiivinen vajaatoiminta). Vaikka kävelytestit ovat nopeat, ne osoittavat suurta vaihtelua Parkinsonin taudin oireiden luonnollisten vaihteluiden vuoksi päivän mittaan, lääkityksen päällä/pois käytöstä sekä kliinisissä olosuhteissa suoritettavien toimien vaikutuksista. Tästä syystä Parkinsonin taudin hoito-ohjelmat tarjotaan usein yrityksen ja erehdyksen perusteella, mikä johtaa hoidon tarjoamisen yleiseen viivästymiseen, jolloin varhaiset merkit taudin etenemisestä jäävät usein huomaamatta, kunnes olosuhteet muuttuvat vakavammiksi, ja interventioita, kuten fysioterapiaa, tarjotaan usein liian myöhään. Tästä syystä on olemassa vahva tarve tehdä useammin ja tarkempia Parkinsonin taudin arviointeja todellisessa ympäristössä, jotta voidaan mahdollistaa kohdennetumpi hoito ja ennaltaehkäisevät toimenpiteet ja interventiot taudin käännepisteiden varhaisen havaitsemisen kautta. Tässä ehdotamme kolmen digitaalisen lähestymistavan arviointia nähdäksemme, tarjoavatko ne lisätietoa kliinisen päätöksenteon tukemiseksi käyttämällä kävely- ja silmäominaisuuksia. Nykyinen neurologisen diagnostiikan huipputekniikka sisältää joukon perinteisiä kliinisiä tutkimustekniikoita, kuten manuaalisia hermo-silmä- ja neuromotoristen toimintojen arviointeja, sekä teknisesti kehittyneempiä työkaluja, kuten kuvantamistekniikoita (esim. ) ja sähköfysiologiset testit (esim. EKG). Vaikka nämä menetelmät ovat epäilemättä edistäneet merkittäviä edistysaskeleita neurologisten häiriöiden havaitsemisessa ja hoidossa, ne sisältävät myös useita rajoituksia, jotka digitaaliset lähestymistavat voittavat. Perinteiset neurologisten toimintojen tutkimukset, kuten manuaaliset arvioinnit [UPDRS], ovat vahvasti riippuvaisia ​​erikoistuneiden neurologien asiantuntemuksesta ja subjektiivisesta arviosta. Tämä johtaa tunnettuihin epäjohdonmukaisuuksiin potilaan suorituskyvyn tulkinnassa ja pisteyttelyssä ajan mittaan, erityisesti hermostoa rappeutuvien sairauksien, kuten Parkinsonin taudin (PD), tapauksessa, jolloin potilaat tyypillisesti konsultoivat eri paikallisia neurologeja useiden vuosien ajan.

Lisäksi manuaalisista tutkimuksista puuttuu tarkkoja mittauslaitteita, mikä johtaa havaittujen mittausten alhaiseen tarkkuuteen (tyypillisesti ~ 2 cm) ja kyvyttömyyteen havaita varhaisen vaiheen, subkliinisiä merkkejä. PD on monimutkainen ja etenevä neurodegeneratiivinen sairaus, jonka kliinisissä ilmenemismuodoissa ja taudin etenemisessä on huomattavaa vaihtelua.

Sen diagnosointi ja seuranta ovat edelleen haasteita, ja se perustuu ensisijaisesti kliinisiin tutkimuksiin, jotka ovat subjektiivisia eivätkä usein ota huomioon oireiden vaihtelua.

Interventio:

Ikääntyvän yhteiskunnan itsenäisen elämän mahdollistaminen on keskeinen haaste Isolle-Britannialle ja muille kehittyneille maille. Pitkäaikaishoidosta kärsivien potilaiden määrä kasvaa ja heillä on jo väestön suurimmat terveydenhuollon tarpeet, sillä he tarvitsevat 50 % kaikista yleislääkärin vastaanotoista ja 70 % kaikista vuodepäivistä, ja heidän hoitonsa vie 70 % Englannin akuutin ja perushoidon budjeteista. Turvallisen liikkuvuuden ylläpitäminen on kriittinen tekijä, joka vaikuttaa elämänlaatuun ja elämän rooleihin ja vastuisiin. Pelkästään Parkinsonin taudin huomioon ottaen analyysi on osoittanut, että joka 37. ihmisellä diagnosoidaan PD elämänsä aikana (2). FOG ja FSG ovat vakavasti heikentäviä taudin piirteitä, jotka heikentävät suuresti PwP:n elämänlaatua ja myötävaikuttavat kaksinkertaiseen kaatumisriskiin ja siihen liittyviin vammoihin (2). On elintärkeää, että tarjoamme ratkaisun PwP:n tukemiseen sujuvammalla ja turvallisemmalla kävelyllä, suuremmalla itsenäisyydellä ja paremmalla taudin hallinnassa ja hoidolla. Näkö-, kuulo- tai somatosensoristen ärsykkeiden osoittaminen on hyvin dokumentoitu ja kliinisesti validoitu menetelmä FOG IRAS -lomakkeen voittamiseksi. Viite: IRAS-versio 6.3.6

Päivämäärä:

8 340549/1665763/37/423 ja FSG. Tutkimustutkimukset ovat myös osoittaneet, että ohjaustavat parantavat kävelyä PwP:ssä sekä vapaalla että juoksumatolla kävellessä, parantaen samalla tasapainoa ja vähentäen vakauttavan tuen tarvetta. Kävelyparametrit, kuten askeltaajuus, askelpituus ja askelsymmetria, on osoitettu olevan mitattavissa inertiaalisilla liikeantureilla kävelyn laadun arvioimiseksi. Tutkimukset ovat osoittaneet, että taudin objektiivinen mittaaminen voi parantaa PD:n hoitotuloksia. Saatavilla on perusvisuaalisia ja rytmisiä vihjeitä (kuten laserkengät, metronomisovellus ja värinäpainike), mutta ne perustuvat silti yksinkertaisiin jatkuviin vihjeisiin, joilla on syvällisiä rajoituksia käytettävyydessä ja tehokkuudessa jokapäiväisessä ympäristössä eivätkä ne sisällä kävelyä. analyyttiset järjestelmät helpottamaan potilaiden tuloksia ja kokemusta. gaitQ-järjestelmä on ensimmäinen ainutlaatuinen ratkaisu, joka käyttää tekoälyä ja älykkäitä mukautuvia vihjeitä auttamaan potilaita tehokkaasti voittamaan FOG:n ja FSG:n päivittäisessä ympäristössään ja samalla parantamaan kävelyn laatua. Oxfordin yliopistossa vuonna 2019 ennen gaitQ-yrityksen perustamista suoritetussa akateemisessa proof-of-concept-tutkimuksessa arvioitiin reagoivaa tärinää käyttämällä 17 potilasta 31 tunnin ajan kliinisissä olosuhteissa. Tämä tutkimus osoitti, että reagoiva vihjailu voi vähentää sumua ja parantaa kävelyn laatua. Äskettäin NIHR i4i Connect -rahoitus (valmistui marraskuussa 2021) mahdollisti gaitQ:n kehittämään tutkimuslaitteensa kaupalliseksi prototyypiksi ja suorittamaan oman tuotearvioinnin 22 PwP:n avulla. 91 % osallistujista ilmoitti gaitQ-laitteen positiivisesta vaikutuksesta: se auttoi jalkojen liikkeitä, lisää keskittymistä kävelyn aikana, ylläpitää vauhtia ja lisäsi itseluottamusta kävelyyn. Kävelymittareiden kvantitatiivinen analyysi on osoittanut noin 60 %:n vähennyksen FOG- ja FSG-tapahtumissa sekä keston että esiintymisen suhteen. Lisäksi osallistujien askelpituus kasvoi 11 %, kun taas askeltiheys laski 16 %, molemmat ovat tärkeitä tuloksia kohti luonnollisempaa ja vakaampaa kävelyä. Koneoppimisalgoritmimme on testattu kahteen Parkinsonin tutkimukseen, ja ne ovat saavuttaneet keskimäärin 87 % herkkyyden ja 85 % spesifisyyden. Laboratoriossa meneillään oleva validointi määrittää edelleen kävelymittareiden validiteetin ja luotettavuuden ja arvioi vihjeiden vaikutusta siirtoihin sekä liikkuvuuteen ja kestävyyteen.