パーキンソン病のデジタル診断装置の開発

パーキンソン病 (PD) は世界中で最も一般的な神経変性疾患の 1 つであり、65 歳以上の人口の 1% が罹患しています。

現在、PD の診断は病歴、臨床評価、神経学的検査に基づいています。

最も広く使用されている診断基準は、運動障害協会 (MDS) の基準と手段 (つまり、 MDS-UPDRS)。 さらに詳しい情報は、症状に関する人々の主観的な説明や、診療所でスナップショットとして実行される 3 メートルのタイムアップ アンド ゴー (TUG) などのいくつかの短い歩行テストを通じて得られる場合があります。 ただし、人々の症状は日によって異なり、主観的な説明は記憶と自宅での観察に依存します。 これらの回想は信頼性が低かったり、十分な詳細が欠けていたりすることがあります（特にその人が認知障害を持っている場合）。 したがって、現在のPD診断基準は、個人および診断する医師に大きく依存します。 この主観により、診断にばらつきが生じる可能性があります。 さらに、これらの臨床評価では時間の経過に伴う病気の進行を正確に追跡することができないため、個別のケアを提供することが困難になります。 さらに、手作業による検査には精密な測定機器がないため、観察される測定値の精度が低くなり、初期段階の無症状の兆候を検出できなくなります。 臨床所見の主観的な解釈ではなく、定量的なデータに基づく客観的な診断が重要です2。 したがって、PD の早期かつ正確な診断、および正確な疾患進行モニタリングは依然として PD における重要な課題です。

PD では、いくつかの眼視覚異常が報告されています。 研究では、PD患者の75～87.5%に異常な眼球運動機能があることが報告されています(3,4)。 これらの機能障害は運動症状に先行または後発する可能性があるため、眼球運動機能の評価は疾患の早期発見または疾患の進行に関する貴重な情報を提供する可能性があります(5)。 最も一般的に報告されている眼球運動機能障害は、サッカード、スムーズな追跡、よせの障害です (3,4,6)。

歩行障害は、PD の最も一般的な、生活に支障をきたす症状の 1 つです (29)。 歩行障害には、通常の歩行パターンを開始または維持することができず、確率的な停止/開始歩行を引き起こすことが多いすくみ歩行 (FOG) や、歩数の増加により歩幅が短くなり、その結果、速い足取りで。 FOG と FSG は両方とも、より広範な高齢者人口と比較して、PD 患者の転倒 (および転倒に関連した傷害) のリスク増加に寄与します。 客観的かつ継続的な遠隔歩行モニタリングは、PD患者にとって非常に重要であり、リアルタイムで歩行障害を客観的に追跡し、病気の進行を客観的に追跡することに潜在的に貢献し、PD患者に対する個別化されたケアにつながる可能性がある。

このプロジェクトでは、パーキンソン病 (PD) の診断とモニタリングのための機械学習モデルを開発するために、パーキンソン病 (PD) 患者の眼球運動、瞳孔、歩行のデータが収集されます。 これにより、研究者らはPDの診断とモニタリングにおける最先端の技術を進歩させることを目指している。 機械学習の原理と高品質のセンサー データを統合することで、より正確で早期の診断が実現できる可能性があります。 眼球運動と瞳孔のデータは、標準的な臨床検査と、客観的な眼球運動と瞳孔の測定が承認された医療機器である neos を使用して収集されます。 歩行は、IMU センサーと、客観的かつ継続的な遠隔歩行監視を可能にする消費者向けデバイスである GaitQ Senti を使用して収集されます。

このプロジェクトの主な目的は、PD の診断とモニタリングのための機械学習モデルを開発および比較するために、PD 患者から眼球運動、瞳孔、歩行のデータを収集することです。

二次的な目的は次のとおりです。

• 眼球運動、瞳孔、歩行パラメータを、MDS-UPDRS などのいくつかの臨床パラメータと関連付けます。
• 医療経済パラメータに関する実世界証拠 (RWE) データを収集し、導入された医療テクノロジーの個別および組み合わせた特性、効果、および/または影響に対処します。
• 収集したデータを分析することで、PD の科学的理解に貢献し、疾患のパターン、進行、治療への反応についての新たな洞察を明らかにすることも目指しています。