Parkinsonin taudin digitaalisten diagnostisten laitteiden kehittäminen

Parkinsonin tauti (PD) on yksi yleisimmistä neurodegeneratiivisista sairauksista maailmanlaajuisesti, ja sitä sairastaa 1 % yli 65-vuotiaasta väestöstä.

Tällä hetkellä PD-diagnoosi perustuu historiaan, kliinisiin arviointeihin ja neurologiseen tutkimukseen.

Yleisimmin käytetyt diagnoosikriteerit ovat Movement Disorder Society (MDS) -kriteerit ja instrumentti (ts. MDS-UPDRS). Lisätietoa voidaan saada ihmisten subjektiivisesta kuvauksesta oireistaan ​​ja/tai lyhyillä kävelytesteillä, kuten 3-metrisillä TUG-testeillä, jotka tehdään tilannekuvana klinikalla. Ihmisten oireet kuitenkin vaihtelevat päivien välillä ja subjektiiviset kuvaukset perustuvat heidän muistiin ja havaintoihinsa kotona. Nämä muistikuvat voivat olla epäluotettavia tai niistä puuttuu tarpeeksi yksityiskohtia (varsinkin kun henkilöllä on kognitiivinen vajaatoiminta). Siksi nykyiset PD-diagnoosikriteerit ovat erittäin riippuvaisia ​​henkilöstä ja diagnoosin tehneestä lääkäristä. Tämä subjektiivisuus voi johtaa diagnoosin vaihteluun. Lisäksi nämä kliiniset arvioinnit eivät pysty seuraamaan tarkasti taudin etenemistä ajan myötä, mikä vaikeuttaa yksilöllisen hoidon antamista. Lisäksi manuaalisista tutkimuksista puuttuu tarkkoja mittauslaitteita, mikä johtaa havaittujen mittausten alhaiseen tarkkuuteen ja kyvyttömyyteen havaita varhaisen vaiheen, subkliinisiä oireita. Objektiivinen diagnoosi, joka perustuu kvantitatiivisiin tietoihin kliinisten löydösten subjektiivisen tulkinnan sijaan, on tärkeä2. Siksi PD:n varhainen ja tarkka diagnoosi sekä tarkka taudin etenemisen seuranta ovat edelleen tärkeitä haasteita PD:ssä.

PD:ssä on kuvattu useita silmä-visuaalisia poikkeavuuksia. Tutkimukset raportoivat epänormaalin silmän motorisen toiminnan 75–87,5 %:lla PD-potilaista (3,4). Nämä toimintahäiriöt voivat edeltää tai seurata motorisia oireita, ja näin ollen silmän motorisen toiminnan arviointi voi tarjota arvokasta tietoa taudin varhaisesta havaitsemisesta tai taudin etenemisestä (5). Yleisimmin raportoituja silmän motorisia toimintahäiriöitä ovat poikkileikkauksen, tasaisen takaa-ajon ja vergenssin heikkeneminen (3, 4, 6).

Kävelyhäiriöt ovat PD:n yleisimpiä ja vammauttavia oireita (29). Kävelyhäiriöihin kuuluvat kävelyn jäätyminen (FOG), kyvyttömyys aloittaa tai ylläpitää normaaleja kävelykuvioita, mikä usein johtaa stokastiseen pysähtymiseen/aloituskävelyyn, ja festinating gait (FSG), joka on askelpituuden lyhenemistä kohonneella askeltaajuudella. nopein, sekoittuvin askelin. Sekä FOG että FSG lisäävät kaatumisriskiä (ja putoamiseen liittyviä vammoja) PD-potilailla verrattuna laajempaan iäkkääseen väestöön. Objektiivinen ja jatkuva etäkävelyseuranta olisi erittäin tärkeää PD:tä sairastavilla ihmisillä, jotta voidaan seurata objektiivisesti reaaliaikaisia ​​kävelyhäiriöitä ja mahdollisesti myötävaikuttaa taudin etenemisen objektiiviseen seurantaan, mikä voi johtaa yksilölliseen hoitoon PD-potilaille.

Tässä hankkeessa kerätään Parkinsonin tautia (PD) sairastavien ihmisten silmämotoriikkaa, pupillia ja kävelydataa, jotta voidaan kehittää koneoppimismalleja PD:n diagnosointiin ja seurantaan. Tällä tutkijat pyrkivät edistämään PD-diagnoosin ja -valvonnan huippua. Integroimalla koneoppimisen periaatteet korkealaatuiseen anturitietoon, voitaisiin mahdollisesti saavuttaa tarkempi ja aikaisempi diagnoosi. Silmän motorisia ja pupillitietoja kerätään tavallisella kliinisellä tutkimuksella ja objektiivisella silmämotoriikan ja pupillien mittaamiseen hyväksytyllä lääketieteellisellä laitteella neosilla. Käyntiä kerätään IMU-anturin ja GaitQ sentin avulla, kuluttajalaitteella, joka mahdollistaa objektiivisen ja jatkuvan etäseurannan.

Tämän projektin ensisijaisena tavoitteena on kerätä silmän motorisia, pupilli- ja kävelytietoja PD-potilailta, jotta voidaan kehittää ja vertailla koneoppimismalleja PD:n diagnosointiin ja seurantaan.

Toissijaiset tavoitteet ovat:

• Korreloi silmämoottori-, pupilli- ja kävelyparametrit useiden kliinisten parametrien kanssa, mukaan lukien MDS-UPDRS.
• Kerää reaalimaailman todisteita (RWE) terveystaloudellisista parametreista, jotta voit tarkastella käytettyjen terveysteknologioiden yksittäisiä ja yhdistettyjä ominaisuuksia, vaikutuksia ja/tai vaikutuksia.
• Analysoimalla kerättyjä tietoja pyrimme myös edistämään PD:n tieteellistä ymmärrystä ja mahdollisesti paljastamaan uusia näkemyksiä sairausmalleista, etenemisestä ja hoitovasteista.