Rozwój cyfrowych urządzeń diagnostycznych dla choroby Parkinsona

Choroba Parkinsona (PD) jest jedną z najczęstszych chorób neurodegeneracyjnych na świecie, dotykającą 1% populacji w wieku powyżej 65 lat.

Obecnie rozpoznanie PD opiera się na wywiadzie, ocenie klinicznej i badaniu neurologicznym.

Najczęściej stosowanymi kryteriami diagnostycznymi są kryteria i instrumenty Towarzystwa Zaburzeń Ruchowych (MDS) (tj. MDS-UPDRS). Dalsze informacje można uzyskać na podstawie subiektywnego opisu objawów dokonywanego przez pacjentów i/lub za pomocą krótkich testów chodzenia, takich jak 3-metrowy bieg na czas (TUG) wykonywany jako migawka w klinice. Jednakże objawy u ludzi różnią 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 dana osoba ma upośledzenie funkcji poznawczych). Dlatego obecne kryteria rozpoznania PD w dużym stopniu zależą od osoby i lekarza diagnozującego. Ta subiektywność może prowadzić do zmienności diagnozy. Co więcej, te oceny kliniczne nie są w stanie dokładnie śledzić postępu choroby w czasie, co utrudnia zapewnienie spersonalizowanej opieki. Dodatkowo w badaniach manualnych brakuje precyzyjnych narzędzi pomiarowych, co skutkuje małą precyzją obserwowanych pomiarów i brakiem możliwości wykrycia wczesnych, subklinicznych objawów. Ważna jest obiektywna diagnoza oparta na danych ilościowych, a nie na subiektywnej interpretacji wyników klinicznych2. Dlatego wczesna i dokładna diagnoza PD, a także dokładne monitorowanie postępu choroby, nadal stanowią ważne wyzwania w PD.

W PD opisano kilka zaburzeń okulistycznych. Badania wskazują na nieprawidłową funkcję motoryki oka u 75–87,5% osób z ChP (3,4). Dysfunkcje te mogą poprzedzać objawy motoryczne lub następować po nich, dlatego ocena funkcji motorycznych oczu może dostarczyć cennych informacji dotyczących wczesnego wykrycia choroby lub postępu choroby (5). Najczęściej zgłaszanymi dysfunkcjami motoryki oka są zaburzenia sakkad, płynnego pościgu i wergencji (3,4,6).

Zaburzenia chodu należą do najczęstszych i powodujących niepełnosprawność objawów choroby Parkinsona (29). Zaburzenia chodu obejmują zamrożenie chodu (FOG), niemożność zainicjowania lub utrzymania normalnego wzorca chodu, często skutkujące stochastycznym zatrzymaniem/startem chodu oraz chód festynowy (FSG), który polega na skróceniu długości kroku przy zwiększonej częstotliwości kroków, co skutkuje szybkimi, zmiennymi krokami. Zarówno FOG, jak i FSG przyczyniają się do zwiększonego ryzyka upadków (i obrażeń związanych z upadkiem) u osób z chorobą Parkinsona w porównaniu z szerszą populacją osób starszych. Obiektywne i ciągłe zdalne monitorowanie chodu byłoby bardzo ważne u osób z chorobą Parkinsona, aby obiektywnie śledzić zaburzenia chodu w czasie rzeczywistym i potencjalnie przyczynić się do obiektywnego śledzenia postępu choroby, co może prowadzić do spersonalizowanej opieki nad osobami z chorobą Parkinsona.

W ramach tego projektu zbierane będą dane dotyczące motoryki oczu, źrenic i chodu osób z chorobą Parkinsona (PD) w celu opracowania modeli uczenia maszynowego do diagnozowania i monitorowania choroby Parkinsona. W ten sposób badacze dążą do udoskonalenia stanu wiedzy w diagnostyce i monitorowaniu choroby Parkinsona. Integrując zasady uczenia maszynowego z wysokiej jakości danymi z czujników, można potencjalnie osiągnąć dokładniejszą i wcześniejszą diagnozę. Dane motoryczne i źrenic oka będą zbierane podczas standardowego badania klinicznego oraz za pomocą neos, urządzenia medycznego zatwierdzonego do obiektywnego pomiaru motoryki i źrenicy oka. Chód będzie rejestrowany za pomocą czujnika IMU i GaitQ Senti, urządzenia konsumenckiego, które umożliwia obiektywne i ciągłe zdalne monitorowanie chodu.

Głównym celem tego projektu jest zebranie danych dotyczących motoryki oczu, źrenic i chodu od osób z chorobą Parkinsona w celu opracowania i porównania modeli uczenia maszynowego do diagnozowania i monitorowania choroby Parkinsona.

Cele drugorzędne to:

• Koreluj parametry motoryki oka, źrenicy i chodu z kilkoma parametrami klinicznymi, w tym MDS-UPDRS.
• Zbieraj dane dowodowe ze świata rzeczywistego (RWE) dotyczące parametrów ekonomiki zdrowia, aby uwzględnić indywidualne i połączone właściwości, skutki i/lub wpływ wdrożonych technologii medycznych.
• Analizując zebrane dane, naszym celem jest również przyczynienie się do naukowego zrozumienia choroby Parkinsona, potencjalnie odkrywając nowe informacje na temat wzorców chorób, postępu i reakcji na leczenie.