Voorspelling van multiple sclerose en monitoring van progressieonderzoek (PREMONITION)

Achtergrond:

Multiple sclerose (MS) is de meest voorkomende oorzaak van niet-traumatische neurologische invaliditeit bij jonge volwassenen, wat leidt tot een belangrijke persoonlijke en sociaal-economische belasting. Vanuit pathofysiologisch oogpunt wordt MS beschouwd als een auto-immuunziekte waarbij het immuunsysteem per ongeluk het centrale zenuwstelsel (CZS) aanvalt. MS wordt meestal verdeeld in drie klinische fasen. De meeste mensen met MS ervaren een plotselinge terugval gevolgd door een remittingperiode (RRMS). Voor dit type MS is het therapeutische landschap de afgelopen tien jaar sterk geëvolueerd. Helaas ervaart een aanzienlijk deel van de patiënten nog steeds een progressieve achteruitgang in functie, ondanks het feit dat ze geen discrete klinische terugval ervaren. Het progressieve MS-fenotype kan worden onderverdeeld in twee subtypen, bekend als SPMS en primaire progressieve MS (PPMS), afhankelijk van voorafgaande RRMS of niet. Een verscheidenheid aan klinische metingen heeft ons in staat gesteld een valide follow-up van het ziekteverloop samen te stellen, maar ze evalueren geen poliklinische of langdurige monitoring en missen ook de gevoeligheid voor vroege detectie van invaliditeitsprogressie. Actueel is er geen duidelijke consensus over hoe SPMS moet worden gediagnosticeerd en het blijft moeilijk om te bepalen wanneer een patiënt de progressieve fase ingaat, aangezien de diagnose meestal achteraf wordt gesteld. Het implementeren van digitale biomarkers zou ons mogelijk een realistischer en gevoeliger beeld kunnen geven van de voortschrijdende evolutie in verschillende werkingsgebieden. Dit geldt ook voor autonome stoornissen en slaapstoornissen, waarvoor geen gestandaardiseerde monitoring beschikbaar is voor MS. Het gebruik van wearables om de digitale biomarkers vast te leggen, zou de leemte in de kennis kunnen opvullen bij het evalueren, bewaken en voorspellen van de progressie van invaliditeit bij MS. tot op de dag van vandaag is er geen precieze biomarker of samengesteld hulpmiddel dat de MS-fenotypes kan differentiëren of ons kan helpen om therapie eerder in progressie te starten of aan te passen. Het introduceren van wearables die dagelijkse klinische basisparameters kunnen verzamelen, zou onderzoekers mogelijk een realistischer en gevoeliger inzicht kunnen geven in het algemene verloop van de ziekte.

Grondgedachte:

Evolutie in machine learning maakt onbevooroordeelde detectie van biomarkers mogelijk die zijn gecodeerd in verschillende biosignaalmodaliteiten. De mogelijkheid om MS-ziektegerelateerde fysiologische en gedragssignalen gedurende langere tijd op poliklinische basis te volgen, voorziet in de onvervulde behoefte aan vroege diagnose en adequate monitoring van (terugvalonafhankelijke) ziekteprogressie. Dit heeft grote klinische implicaties, aangezien biomonitoring een cruciaal hulpmiddel zou kunnen zijn voor MS-zorgverleners in patiëntgerichte multidisciplinaire zorg.

Studie ontwerp:

Dit is een open-label, monocentrisch diagnostisch onderzoek waarbij de onderzoekers de haalbaarheid en validiteit (in vergelijking met gouden standaardmetingen) van wearables, geleverd door Byteflies, zullen testen in een adequate uitgebreide poliklinische evaluatie en monitoring van PwMS. De onderzoekers zullen tijdens hun primaire bezoek verder evalueren hoe deze biosignalen correleren met conventionele uitkomstmaten om het prognostische potentieel van draagbare monitoring te evalueren