Sviluppo di servizi digitali per la malattia di Parkinson

La malattia di Parkinson (MdP) è una delle malattie neurodegenerative più diffuse al mondo e colpisce l’1% della popolazione di età superiore ai 65 anni.

Attualmente, la diagnosi della malattia di Parkinson si basa sull’anamnesi, sulle valutazioni cliniche e sull’esame neurologico.

I criteri più utilizzati per la diagnosi sono i criteri e gli strumenti della Movement Disorder Society (MDS) (ad es. L'MDS-UPDRS). Ulteriori informazioni possono essere ottenute dalla descrizione soggettiva dei sintomi da parte delle persone e/o tramite alcuni brevi test di cammino, come il Timed Up and Go (TUG) di 3 metri eseguito come un'istantanea in clinica. Tuttavia, i sintomi delle persone variano nel corso dei giorni e le descrizioni soggettive si basano sulla loro memoria e sulle osservazioni a casa. Questi ricordi possono essere inaffidabili o privi di dettagli sufficienti (in particolare quando la persona ha un deterioramento cognitivo). Pertanto, gli attuali criteri diagnostici per la malattia di Parkinson dipendono fortemente dalla persona e dal medico che effettua la diagnosi. Questa soggettività può portare ad una variabilità nella diagnosi. Inoltre, queste valutazioni cliniche non sono in grado di monitorare con precisione la progressione della malattia nel tempo, rendendo difficile fornire cure personalizzate. Inoltre, gli esami manuali mancano di strumenti di misurazione precisi, con conseguente bassa precisione delle misurazioni osservate e incapacità di rilevare segni subclinici in fase iniziale. È importante una diagnosi obiettiva basata su dati quantitativi piuttosto che su un'interpretazione soggettiva dei risultati clinici2. Pertanto, una diagnosi precoce e accurata della malattia di Parkinson, così come un accurato monitoraggio della progressione della malattia, rappresentano ancora sfide importanti nella malattia di Parkinson.

Nella malattia di Parkinson sono state descritte numerose anomalie oculo-visive. Gli studi riportano una funzione motoria oculare anormale nel 75-87,5% delle persone con malattia di Parkinson (3,4). Queste disfunzioni possono precedere o seguire i sintomi motori e quindi la valutazione della funzione motoria oculare può fornire preziose informazioni riguardo al rilevamento precoce della malattia o alla sua progressione (5). Le disfunzioni motorie oculari più comunemente riportate sono disturbi delle saccadi, dell'inseguimento regolare e della convergenza (3,4,6).

I disturbi dell'andatura sono tra i sintomi più comuni e invalidanti della malattia di Parkinson (29). I disturbi dell'andatura includono il congelamento dell'andatura (FOG), l'incapacità di iniziare o mantenere schemi di deambulazione normali, spesso con conseguente arresto/avvio dell'andatura stocastico, e l'andatura festinante (FSG), che è un accorciamento della lunghezza del passo con elevata frequenza del passo, con conseguente a passi veloci e strascicati. Sia il FOG che il FSG contribuiscono ad un aumento del rischio di cadute (e di lesioni correlate alle cadute) nelle persone con malattia di Parkinson rispetto alla popolazione anziana più ampia. Il monitoraggio oggettivo e continuo dell’andatura a distanza sarebbe molto importante nelle persone con PD, per monitorare oggettivamente i disturbi dell’andatura in tempo reale e potenzialmente contribuire a monitorare oggettivamente la progressione della malattia, il che potrebbe portare a cure personalizzate per le persone con PD.

In questo progetto verranno raccolti dati oculari motori, della pupilla e dell'andatura nelle persone con malattia di Parkinson (PD) al fine di sviluppare modelli di apprendimento automatico per la diagnosi e il monitoraggio della malattia di Parkinson. Con questo, i ricercatori mirano a far avanzare lo stato dell’arte nella diagnosi e nel monitoraggio della malattia di Parkinson. Integrando i principi dell’apprendimento automatico con dati di sensori di alta qualità, si potrebbe potenzialmente ottenere una diagnosi più accurata e precoce. I dati oculari motori e della pupilla verranno raccolti con l'esame clinico standard e con neos, un dispositivo medico approvato per la misurazione obiettiva del motore oculare e della pupilla. L'andatura verrà raccolta utilizzando un sensore IMU e GaitQ senti, un dispositivo consumer che consente un monitoraggio remoto oggettivo e continuo dell'andatura.

L'obiettivo principale di questo progetto è raccogliere dati oculari motori, sulla pupilla e sull'andatura di persone affette da PD al fine di sviluppare e confrontare modelli di apprendimento automatico per la diagnosi e il monitoraggio della PD.

Gli obiettivi secondari sono:

Correlare i parametri del motore oculare, della pupilla e dell'andatura con diversi parametri clinici, incluso l'MDS-UPDRS.

Raccogliere dati di prove del mondo reale (RWE) riguardanti i parametri di economia sanitaria per affrontare le proprietà, gli effetti e/o gli impatti individuali e combinati delle tecnologie sanitarie impiegate.

Analizzando i dati raccolti, miriamo anche a contribuire alla comprensione scientifica della malattia di Parkinson, scoprendo potenzialmente nuove informazioni sui modelli di malattia, sulla progressione e sulla risposta ai trattamenti.