Cyfrowe usługi diagnostyczne i interwencyjne w leczeniu choroby Parkinsona

Diagnoza: Obecny stan wiedzy na temat diagnozowania choroby Parkinsona opiera się przede wszystkim na ocenie klinicznej opartej na symptomatologii i badaniu neurologicznym. Najczęściej stosowanymi kryteriami diagnostycznymi są kryteria i instrumenty Towarzystwa Zaburzeń Ruchowych (MDS) (tj. MDSUPDRS). Kryteria te w dużym stopniu zależą od wiedzy lekarza diagnozującego, a zatem podlegają zmienności. Co więcej, te oceny kliniczne nie są w stanie dokładnie śledzić postępu choroby w czasie, co utrudnia zapewnienie spersonalizowanej opieki.

Ocena: odgrywa ważną rolę w tych konsultacjach, pomagając klinicystom zrozumieć stan zdrowia pacjentów i postęp choroby, co jest niezbędne do dostosowania planów leczenia. Obecne metody kliniczne opierają się na UPDRS, standardowym mierniku wyników klinicznych, który wymaga specjalistycznej wiedzy klinicznej i przeszkolenia, a zatem jest mierzony podczas wizyt klinicznych.

Dalsze informacje można uzyskać z subiektywnego opisu objawów pacjentów i/lub za pomocą krótkich testów chodzenia, takich jak 3-metrowy pomiar czasu w górę i w górę (TUG), wykonywanych jako migawka w klinice. Jednakże stan pacjentów zmienia się w zależności od dnia, a subiektywne opisy opierają się na ich pamięci i obserwacjach w domu. Wspomnienia te mogą być niewiarygodne lub niewystarczająco szczegółowe (szczególnie, gdy pacjent ma upośledzenie funkcji poznawczych). Testy chodzenia, choć szybkie w wykonaniu, wykazują dużą zmienność ze względu na naturalne wahania objawów choroby Parkinsona w ciągu dnia, stan przyjmowania/odstawiania leków, a także efekty wykonywania czynności w warunkach klinicznych. W związku z tym programy opieki nad chorobą Parkinsona są często zapewniane metodą prób i błędów, co skutkuje ogólnym opóźnieniem w zapewnianiu opieki, wczesnymi oznakami postępu choroby często przeoczanymi do czasu, aż stan stanie się poważniejszy, a interwencje takie jak fizjoterapia są często przeprowadzane zbyt późno. Dlatego istnieje silna potrzeba częstszych i dokładniejszych ocen choroby Parkinsona w świecie rzeczywistym, aby umożliwić bardziej ukierunkowaną opiekę oraz środki i interwencje zapobiegawcze poprzez wczesne wykrywanie punktów zapalnych choroby. W tym miejscu proponujemy ocenić trzy podejścia cyfrowe, aby sprawdzić, czy dostarczają dalszych informacji wspierających podejmowanie decyzji klinicznych na podstawie chodu i cech okulistycznych. Obecny stan wiedzy w diagnostyce neurologicznej obejmuje szereg tradycyjnych technik badania klinicznego, takich jak manualna ocena funkcji neuroocznych i neuromotorycznych, a także bardziej zaawansowane technologicznie narzędzia, takie jak technologie obrazowania (np. MRI ) i badania elektrofizjologiczne (np. EKG). Chociaż metody te niewątpliwie przyczyniły się do znacznych postępów w wykrywaniu i leczeniu zaburzeń neurologicznych, stwarzają również kilka ograniczeń, które przezwyciężają podejścia cyfrowe. Tradycyjne badania funkcji neurologicznych, takie jak ocena manualna [UPDRS], w dużym stopniu opierają się na wiedzy specjalistycznej i subiektywnej ocenie wyspecjalizowanych neurologów. Prowadzi to do znanych niespójności w interpretacji i ocenie wyników leczenia pacjenta na przestrzeni czasu, szczególnie w przypadku chorób neurodegeneracyjnych, takich jak choroba Parkinsona (PD), gdzie pacjenci zazwyczaj konsultują się z różnymi neurologami stacjonarnymi przez kilka lat.

Dodatkowo w badaniach manualnych brakuje precyzyjnych narzędzi pomiarowych, co skutkuje małą precyzją obserwowanych pomiarów (zwykle ~ 2 cm) i brakiem możliwości wykrycia wczesnych, subklinicznych objawów. PD jest złożoną i postępującą chorobą neurodegeneracyjną charakteryzującą się znaczną zmiennością objawów klinicznych i postępu choroby.

Jej rozpoznanie i monitorowanie pozostają wyzwaniem, opierając się przede wszystkim na subiektywnych badaniach klinicznych i często nie oddających pełnego zakresu wahań objawów.

Interwencja:

Umożliwienie niezależnego życia starzejącemu się społeczeństwu jest kluczowym wyzwaniem dla Wielkiej Brytanii i innych krajów rozwiniętych. Liczba pacjentów z LTC rośnie i już teraz mają największe potrzeby w zakresie opieki zdrowotnej w populacji, wymagające 50% wszystkich wizyt u lekarza rodzinnego i 70% wszystkich dni hospitalizacji, a ich leczenie i opieka pochłaniają 70% budżetów na opiekę doraźną i podstawową w Anglii. Utrzymanie bezpiecznej mobilności jest krytycznym czynnikiem wpływającym na jakość życia oraz role i obowiązki życiowe. Biorąc pod uwagę samą chorobę Parkinsona, analiza wykazała, że ​​u 1 na 37 osób zostanie w ciągu życia zdiagnozowana choroba Parkinsona (2). FOG i FSG to poważnie wyniszczające aspekty choroby, które znacznie obniżają jakość życia PwP i przyczyniają się do dwukrotnego zwiększenia ryzyka upadku i związanych z nim obrażeń (2). Istotne jest, abyśmy zapewnili rozwiązanie wspierające PwP w zakresie bardziej płynnego i bezpiecznego chodu, większej niezależności oraz lepszego leczenia chorób i opieki. Sygnalizacja za pomocą bodźców wzrokowych, słuchowych lub somatosensorycznych jest dobrze udokumentowaną i potwierdzoną klinicznie metodą przezwyciężenia FOG IRAS. Odniesienie do formularza: IRAS wersja 6.3.6

Data:

8 340549/1665763/37/423 i FSG. Badania naukowe wykazały również, że modalności wskazywania poprawiają chód w PwP zarówno podczas chodzenia swobodnego, jak i chodzenia na bieżni, poprawiając jednocześnie równowagę i zmniejszając potrzebę stabilizującego wsparcia. Wykazano, że parametry chodu, takie jak częstotliwość kroków, długość kroku i symetria chodu, można zmierzyć za pomocą bezwładnościowych czujników ruchu w celu oceny jakości chodu. Badania wykazały, że obiektywny pomiar choroby może poprawić wyniki leczenia PD. Dostępne są podstawowe produkty do sygnalizacji wizualnej i rytmicznej (takie jak buty laserowe, aplikacja metronomu i przycisk wibracyjny), jednakże nadal opierają się one na prostych, ciągłych wskazówkach, które mają poważne ograniczenia w zakresie użyteczności i skuteczności w codziennym środowisku i nie obejmują chodu systemy analityczne ułatwiające lepsze wyniki i doświadczenia pacjentów. System gaitQ będzie pierwszym unikalnym rozwiązaniem, które wykorzystuje sztuczną inteligencję i inteligentne wskazówki adaptacyjne, aby pomóc pacjentom skutecznie pokonać FOG i FSG w ich codziennym środowisku, poprawiając jednocześnie jakość chodu. Wcześniejsze badanie akademickie weryfikujące koncepcję przeprowadzone na Uniwersytecie Oksfordzkim w 2019 r. przed założeniem firmy gaitQ oceniało reagowanie na sygnały wibracyjne z udziałem 17 pacjentów przez 31 godzin w warunkach klinicznych. Badanie to wykazało, że responsywne wskazówki mogą zmniejszyć FOG i poprawić jakość chodu. Niedawno finansowanie NIHR i4i Connect (zakończone w listopadzie 2021 r.) umożliwiło gaitQ udoskonalenie urządzenia badawczego do komercyjnego prototypu i przeprowadzenie wewnętrznej oceny produktu przy 22 PwP. 91% uczestników zgłosiło pozytywny wpływ urządzenia gaitQ: pomogło przyspieszyć ruch nóg, zwiększyć koncentrację podczas chodzenia, utrzymać tempo i zwiększyć pewność chodzenia. Analiza ilościowa wskaźników chodu wykazała około 60% redukcję zdarzeń FOG i FSG, zarówno pod względem czasu trwania, jak i częstości występowania. Co więcej, długość kroku uczestników wzrosła o 11%, a częstotliwość kroków spadła o 16%; oba te czynniki są kluczowymi wynikami w kierunku bardziej naturalnego i stabilnego chodzenia. Nasze algorytmy uczenia maszynowego zostały przetestowane w porównaniu z dwoma badaniami dotyczącymi choroby Parkinsona, osiągając średnio 87% czułości i 85% swoistości. Trwająca weryfikacja w laboratorium ma na celu dalsze określenie ważności i wiarygodności pomiaru chodu oraz oszacowanie wpływu wskazówek na transfery oraz mobilność i wytrzymałość.