Progressiemarkers voor neurodegeneratieve ziekten (MARKERS-NDD) (MARKERS-NDD)

Gezien de huidige schattingen en de mondiale sociale en economische last van neurodegeneratieve ziekten zijn veranderingen in de manier en timing van een diagnose van deze ziekten dringend nodig, evenals in de tijdigheid waarmee effectieve therapeutische interventies worden uitgevoerd. De complexiteit van de moleculaire mechanismen die ten grondslag liggen aan neuronale degeneratie en de heterogeniteit van de populatie van patiënten die getroffen zijn door neurodegeneratieve ziekten, vormen enorme uitdagingen voor de ontwikkeling van vroege diagnostische hulpmiddelen en systemen die het verloop van de ziekte kunnen voorspellen.

Ondanks intensief onderzoek op het gebied van farmacologie, chirurgie en revalidatie blijven neurodegeneratieve ziekten chronische progressieve ziekten zonder therapie die de koers kan veranderen.

MARKERS-NDD is een prospectief, observationeel, longitudinaal onderzoek, dat tot doel heeft gegevens te verzamelen van patiënten die getroffen zijn door neurodegeneratieve ziekten (NDD), longitudinaal gevolgd voor routinematige onderzoeken die worden uitgevoerd als onderdeel van de normale klinische praktijk. Gegevens verzameld uit klinische evaluaties, bewegingsanalyse, beeldvorming van de hersenen, neuropsychologische en elektro-encefalografische beoordelingen en bloedchemische tests zullen worden geanalyseerd om statistische onderzoeken en voorspellende analyses uit te voeren, ook met behulp van kunstmatige intelligentiesystemen, die de identificatie van nieuwe vroege markers van diagnose en prognose mogelijk maken. van neurodegeneratieve ziekten.

Kwantitatieve bewegingsanalyse, met behulp van standaard motion capture-systemen (ganganalyse) en met draagbare traagheidssensoren, is een waardevol hulpmiddel voor zowel het ondersteunen van klinische diagnostiek als het beoordelen van de respons op farmacologische behandeling, en om de progressie van NDD's te monitoren. Vanuit dit perspectief kan de kinematische analyse van het looppatroon en het grafische gebaar vroege veranderingen van motorische kenmerken aan het licht brengen om de differentiële diagnose en stratificatie van de patiënt te ondersteunen en ons in staat te stellen de progressie van de ziekte in de loop van de tijd te volgen.

Hoewel motorische symptomen sleutelaspecten vertegenwoordigen voor de differentiële diagnose tussen Parkinsonsyndroom en dementie, kunnen veranderingen van cognitieve functies, en in het bijzonder van executieve functies, ook aanwezig zijn in de vroege stadia van de ziekte bij patiënten met synucleinopathieën zoals Parkinson en Lewy Body dementie.

Bij de ziekte van Parkinson (PD) kunnen deze cognitieve stoornissen in de loop van de tijd evolueren van milde cognitieve achteruitgang (Mild Cognitive Disorder, PD-MCI) tot aan dementie (Parkinson Disease Dementia, PDD).

De identificatie van neuropsychologische markers die de voortgang van deze ziekten en het risico op conversie bij patiënten met de ziekte van Parkinson kunnen voorspellen, is een cruciaal aspect voor de behandeling en het management van patiënten in de verschillende fasen van de ziekte.

In het tijdperk van kunstmatige intelligentie (AI), met de introductie van AI-gestuurde computervisie, kan de menselijke beweging in realtime worden gevolgd en geanalyseerd door de ondersteuning van een eenvoudige camera van mobiele apparaten, zoals tablets en smartphones, waardoor mogelijk de behoefte aan extra sensoren of gespecialiseerde apparatuur. Daarom zou een aanpak zoals telegeneeskunde met behulp van AI nieuwe mogelijkheden en uitdagingen kunnen bieden voor diagnose op afstand, telemonitoring en telerehabilitatie bij neurologische aandoeningen zoals neurodegeneratieve ziekten. Bewegingsanalyse op basis van AI-gestuurde computervisie zou het aantal patiëntbewegingen kunnen verminderen, vooral in de gevorderde stadia van de ziekte, vaak gekenmerkt door ernstige handicaps, de last van zorgverleners kunnen verlichten die soms ouder zijn of bezig zijn met werkactiviteiten, en consultaties mogelijk maken uitgevoerd in afgelegen gebieden die niet gemakkelijk te bereiken zijn.

De vergelijking en validatie van deze systemen met de gouden standaard van bewegingsanalyse, vertegenwoordigd door ganganalyse met bewegingsregistratie en de reeds gevalideerde analysesystemen met traagheidssensoren, vormt een sleutelonderdeel in de ontwikkeling van klinische hulpmiddelen die diagnose op afstand en telemonitoring van therapieën ondersteunen. farmacologische en revalidatiebehandelingen.

Op dezelfde manier heeft de toepassing van kunstmatige intelligentiesystemen voor de kinematische analyse van het grafische gebaar de ontwikkeling mogelijk gemaakt van verschillende patroonherkenningssystemen voor de automatische herkenning van handschriften in verschillende toepassingsgebieden.

Dysgrafische kenmerken hielden verband met afwijkingen van motorische en cognitieve functies die werden onthuld door klinische en neuropsychologische tests, evenals met neurofysiologische correlaten van handschriftgerelateerde corticale activiteit zoals elektro-encefalogram (EEG).

Handschriftanalysesysteem dat gebruik maakt van AI-systemen en de uitvoering omvat van gevalideerde neuropsychologische tests, met behulp van commerciële grafische tablets, uitgevoerd als onderdeel van de normale klinische praktijk - zoals een eenvoudig poliklinisch bezoek of tijdens een structureel neuropsychologisch onderzoek als onderdeel van de nu gebruikelijke multidisciplinaire aanpak die kenmerkend is voor de behandeling van patiënten met NDD – zou bijzonder nuttig kunnen zijn bij PD-MCI om de progressie van zowel motorische als cognitieve symptomen te volgen. Als een kosteneffectieve en niet-invasieve maatstaf voor motorische en cognitieve prestaties zouden grafische gebarenanalysesystemen in de loop van de tijd herhaaldelijk kunnen worden toegepast zonder seriële of meta-leereffecten.

Een ander belangrijk aspect bij de vroege diagnose van NDD wordt vertegenwoordigd door stemanalyse: de productie van de menselijke stem vindt plaats via complexe en synergetische bewegingen van systemen en subsystemen (stembanden, strottenhoofd, glottis, mondholte en meer), die kunnen worden beïnvloed door de gezondheidstoestand van de spreker. Vooral bij neurodegeneratieve ziekten brengen Parkinson en Parkinson dramatische, objectieve en meetbare veranderingen in de stemproductie met zich mee, waaronder (onder andere) verhoogde geluidsniveaus (als gevolg van onvolledige sluiting van de stemplooien) en stemverlies (dysartrofonie, dysartrie en hypofonie). Hoewel de evaluatie van spraakstoornissen inderdaad kan worden uitgevoerd via laryngoscoop- en video-stroboscopische instrumenten, zijn dit zeer dure tests, die veel tijd en gekwalificeerd personeel vergen. Op stem gebaseerde kunstmatige-intelligentiesystemen die gebruik maken van commerciële systemen (mobiele apparaten uitgerust met microfoons met robuuste geluidskwaliteit) zouden de analyse van de stem met kunstmatige-intelligentiealgoritmen mogelijk kunnen maken, om de ziekte in een vroeg stadium te diagnosticeren.

Een langetermijnanalyse van gemeenschappelijke laboratoriumbloedchemieparameters en analyse van verschillende biologische monsters, zoals fecale monsters voor microbiota-analyse, uitgevoerd als routinecontroles door patiënten met chronische ziekten zoals NDD's, zou de identificatie mogelijk kunnen maken van associaties en vroege markers die nuttig zijn bij de diagnose en monitoring van ziekteprogressie.

Tegelijkertijd de introductie van steeds krachtigere en nauwkeurigere hersenbeeldvormingssystemen, ondersteund door machine learning-systemen en kunstmatige intelligentietechnieken, om een ​​steeds nauwkeuriger etiologische diagnose te verkrijgen.

Relevant is dat elke neurodegeneratieve ziekte een specifiek hersennetwerk begunstigt, dat op zijn beurt gepaard gaat met een specifiek verlies van weefsel in bepaalde hersengebieden. Daarom bestaat de mogelijkheid om nieuwe neuroimaging-markers te identificeren via machine learning-systemen om de differentiële diagnose te begeleiden en het verloop van de ziekte nauwkeurig te evalueren.

Concluderend is de aanpak van de MARKERS-NDD-studie van fundamenteel belang om het succespotentieel van een ambitieuze strategie te vergroten die tot doel heeft markers te ontwikkelen voor de progressie van neurodegeneratieve ziekten die de zoektocht naar ziektemodificerende therapieën versnellen.