Transformando o tratamento do Parkinson com algoritmos preditivos (TechHealthPD)

A Doença de Parkinson (DP) é a segunda doença neurodegenerativa mais prevalente e o distúrbio mais comum que afeta a coordenação motora, afetando 2% da população acima de 65 anos e 4% na população acima de 80 anos [1,2]. Pacientes com diagnóstico de DP apresentam sintomas motores e não motores graves. Os sintomas motores típicos incluem tremor ou rigidez em repouso, lentidão nos movimentos voluntários chamados bradicinesia, dificuldade na pronúncia ao falar, enquanto os sintomas não motores podem ser distúrbios do sono, distúrbios cognitivos e da função autonômica [3,4]. A DP não apenas perturba a função motora, mas também influencia significativamente a qualidade de vida, os padrões de sono, os aspectos cognitivos e o humor daqueles que vivem com a doença. Embora não haja cura para a DP, certos tratamentos, como medicamentos, cirurgia e abordagens interdisciplinares, podem abordar e controlar eficazmente os sintomas associados à DP. Dada a diversidade de tratamentos e o impacto diversificado dos sintomas motores e não motores no funcionamento diário, há uma necessidade crescente de intervenções mais abrangentes. Numerosos estudos exploraram o impacto das intervenções no estilo de vida, como a atividade física (AF) em vários aspectos da DP, sugerindo que os pacientes com DP podem beneficiar da AF de várias maneiras, desde melhorias gerais na saúde até efeitos específicos da doença e potencialmente , resultados modificadores da doença [5,6]. Para tanto, conduzimos um ensaio clínico duplo-cego randomizado conduzido para estudar os efeitos do PA na função mitocondrial em fibroblastos da pele em pacientes com DP (NCT05963425) [7]. Este foi um estudo de intervenção, com vinte e quatro pacientes, que foram distribuídos aleatoriamente em três grupos (8 pacientes/grupo). O primeiro grupo realizou treinamento físico básico (TFB) baseado em força e resistência, o segundo grupo realizou TPB combinado com exercícios funcionais (TFFE) com treinamento cognitivo e motor, e o terceiro grupo não realizou nenhum programa de atividades, servindo como controle. As intervenções de AF tiveram duração de 60 minutos, com frequência de 3 vezes por semana, durante 16 semanas. O objetivo principal foi avaliar os efeitos da AF na função mitocondrial e seus efeitos em uma ampla variedade de fatores clínicos, como função motora, qualidade de vida, sono, aspectos cognitivos e humor.

Com base nos insights holísticos do estudo anterior, este projeto pretende criar uma plataforma tecnológica inteligente, utilizando inteligência artificial (IA), para promover hábitos saudáveis ​​e uma gestão clínica ideal entre a população com DP. As plataformas tecnológicas surgem como ferramentas instrumentais na transformação do panorama da gestão da DP. Estas plataformas podem facilitar a monitorização contínua e intervenções personalizadas que integram, por exemplo, programas de exercícios integrados no estilo de vida [8,9]. No entanto, embora as intervenções tecnológicas tenham se mostrado promissoras na promoção de hábitos saudáveis ​​[10], há pesquisas limitadas sobre a integração da IA ​​para intervenções personalizadas no contexto da DP [11]. Os modelos desenvolvidos até o momento têm várias limitações importantes, incluindo o uso de apenas um único recurso (ou seja, sintomas motores), modelos de suposições de que os pacientes seguem uma progressão fixa ou não levam em conta os efeitos positivos e negativos das terapias sintomáticas para DP [12]. Aqui, abordamos as limitações atuais e propomos uma abordagem holística baseada num modelo de IA que fornece aos profissionais, pacientes e cuidadores uma plataforma inteligente capaz de promover hábitos saudáveis ​​e otimizar aspectos clínicos. Aqui, reconhecemos a importância da AF juntamente com outros hábitos saudáveis ​​para pacientes com DP, incorporando mais de 50 outras variáveis ​​da Revisão Patrocinada pela Sociedade de Desordem do Movimento da Escala Unificada de Avaliação da Doença de Parkinson (MDS-UPDRS), uma ferramenta clínica abrangente usada para avaliam sintomas motores e não motores em pacientes com DP, divididos em quatro partes que avaliam experiências de vida diária, exame motor e complicações motoras relacionadas à terapia. É importante ressaltar que os dados coletados serão validados com a Parkinson's Progression Markers Initiative (PPMI), um estudo de referência com mais de 1.500 pacientes projetado para identificar biomarcadores de progressão da DP, aumentando a confiabilidade e aplicabilidade de nossas descobertas. A execução bem-sucedida deste projeto culminará numa solução integrada que combina interfaces web e móveis, melhorando a acessibilidade geral e a eficácia das capacidades de diagnóstico e monitorização da DP. A plataforma inteligente baseada em IA proposta tem implicações sociais significativas, principalmente na melhoria da qualidade de vida dos pacientes com DP, abordando sintomas motores e não motores. Promove uma abordagem mais abrangente e personalizada ao tratamento da DP, indo além das limitações dos métodos de tratamento atuais, que muitas vezes se concentram em aspectos singulares da doença. Ao incorporar uma ampla gama de variáveis ​​de uma base de dados clínica bem estabelecida, a plataforma visa fornecer intervenções personalizadas que promovam hábitos saudáveis ​​e otimizem os resultados clínicos. Além disso, o uso de IA pela plataforma para monitoramento contínuo e intervenções adaptativas capacitará pacientes e cuidadores, fornecendo suporte em tempo real e reduzindo a carga sobre os sistemas de saúde. Isto representa uma mudança em direção a cuidados proativos e mais centrados no paciente, melhorando potencialmente o gerenciamento da progressão da doença e a qualidade de vida da população idosa afetada pela DP. Em conclusão, a abordagem abrangente procura fornecer informações valiosas sobre a progressão da DP e apoiar a implementação de hábitos saudáveis ​​na prática clínica.