Desenvolvimento de dispositivos digitais de diagnóstico para doença de Parkinson

A doença de Parkinson (DP) é uma das doenças neurodegenerativas mais comuns em todo o mundo, afetando 1% da população com mais de 65 anos.

Atualmente, o diagnóstico da DP é baseado na história, avaliações clínicas e exame neurológico.

Os critérios mais amplamente utilizados para diagnóstico são os critérios e instrumentos da Movement Disorder Society (MDS) (ou seja, O MDS-UPDRS). Mais informações podem ser obtidas a partir da descrição subjetiva dos sintomas das pessoas e/ou por meio de alguns testes de caminhada curta, como o Timed Up and Go (TUG) de 3 metros realizado como um instantâneo na clínica. No entanto, os sintomas das pessoas variam ao longo dos dias e entre os dias e as descrições subjetivas dependem da memória e das observações em casa. Essas lembranças podem não ser confiáveis ​​ou carecer de detalhes suficientes (principalmente quando a pessoa tem comprometimento cognitivo). Portanto, os critérios atuais de diagnóstico da DP são altamente dependentes da pessoa e do médico que diagnostica. Essa subjetividade pode levar a uma variabilidade no diagnóstico. Além disso, estas avaliações clínicas são incapazes de acompanhar com precisão a progressão da doença ao longo do tempo, dificultando a prestação de cuidados personalizados. Além disso, os exames manuais carecem de instrumentos de medição precisos, resultando em baixa precisão das medições observadas e na incapacidade de detectar sinais subclínicos em estágio inicial. É importante um diagnóstico objetivo baseado em dados quantitativos e não na interpretação subjetiva dos achados clínicos2. Portanto, um diagnóstico precoce e preciso da DP, bem como um monitoramento preciso da progressão da doença, ainda são desafios importantes na DP.

Várias anormalidades oculovisuais foram descritas na DP. Estudos relatam função motora ocular anormal em 75-87,5% das pessoas com DP (3,4). Estas disfunções podem preceder ou seguir os sintomas motores e, assim, a avaliação da função motora ocular pode fornecer informações valiosas sobre a detecção precoce ou progressão da doença (5). As disfunções motoras oculares mais comumente relatadas são comprometimentos nas sacadas, perseguição suave e vergência (3,4,6).

As deficiências na marcha estão entre os sintomas mais comuns e incapacitantes da DP (29). As deficiências da marcha incluem o congelamento da marcha (FOG), uma incapacidade de iniciar ou manter padrões normais de caminhada, muitas vezes resultando em uma marcha estocástica de parada/início, e marcha festinante (FSG), que é um encurtamento do comprimento da passada com frequência de passada elevada, resultando em passos rápidos e arrastados. Tanto o FOG como o FSG contribuem para um risco aumentado de quedas (e lesões relacionadas com quedas) em pessoas com DP em relação à população idosa em geral. O monitoramento remoto objetivo e contínuo da marcha seria altamente importante em pessoas com DP, para rastrear objetivamente as deficiências da marcha em tempo real e potencialmente contribuir para rastrear objetivamente a progressão da doença, o que pode levar a um atendimento personalizado para indivíduos com DP.

Neste projeto serão coletados dados oculares, pupilares e de marcha em pessoas com doença de Parkinson (DP) para desenvolver modelos de aprendizado de máquina para diagnóstico e monitoramento da DP. Com isso, os investigadores pretendem avançar no estado da arte no diagnóstico e monitoramento da DP. Ao integrar os princípios do aprendizado de máquina com dados de sensores de alta qualidade, um diagnóstico mais preciso e precoce poderia ser alcançado. Os dados oculares e pupilares serão coletados com o exame clínico padrão e com neos, um dispositivo médico aprovado para medição objetiva ocular motora e pupilar. A marcha será coletada por meio de um sensor IMU e GaitQ senti, um dispositivo de consumo que permite um monitoramento remoto objetivo e contínuo da marcha.

O objetivo principal deste projeto é coletar dados oculares, pupilares e de marcha de pessoas com DP, a fim de desenvolver e comparar modelos de aprendizado de máquina para diagnóstico e monitoramento de DP.

Os objetivos secundários são:

• Correlacionar parâmetros motores oculares, pupilares e de marcha com diversos parâmetros clínicos, incluindo o MDS-UPDRS.
• Coletar dados de evidências do mundo real (RWE) relativos aos parâmetros da economia da saúde para abordar as propriedades, efeitos e/ou impactos individuais e combinados das tecnologias de saúde implantadas.
• Ao analisar os dados recolhidos, pretendemos também contribuir para a compreensão científica da DP, potencialmente revelando novos conhecimentos sobre padrões de doenças, progressão e resposta aos tratamentos.