Разработка алгоритма обнаружения приступов на основе анализа частоты сердечных сокращений и движений (DetecTeppe)

Эпилепсия является третьей неврологической патологией после мигрени и синдромов деменции, с высокой оценкой почти 600 000 человек во Франции. Заболевание характеризуется повторением эпилептических припадков, с одной стороны, но также и когнитивными, поведенческими, психологическими и социальными последствиями этого состояния, особенно когда эпилептическое заболевание не стабилизируется. Больные эпилепсией испытывают сильный стресс из-за непредсказуемости возникновения припадков.

Обнаружение припадков представляет большой интерес для исследователей биоинформатики, а также для людей с эпилепсией и тех, кто за ними ухаживает. Недавние достижения в области физиологических сенсорных технологий и искусственного интеллекта открыли возможность разработки систем, способных тщательно отслеживать частоту эпилептических припадков с прямым влиянием на терапевтическую адаптацию. В конечном итоге это может позволить прогнозировать припадки и / или «погоду припадков» (т. Е. Прогнозирование припадков), если для данного человека существует определенный хронотип возникновения припадков.

В настоящее время несколько устройств имеют достаточный уровень доказательств относительно их эффективности, чтобы их можно было рекомендовать. Наиболее продвинутыми являются те, которые позволяют идентифицировать гипермоторные припадки, в том числе тонико-клонические генерализованные припадки и тонико-клонические вторично-генерализованные фокальные припадки, возникающие в основном ночью. Последние составляют лишь небольшую часть эпилептических припадков.

Целью настоящего исследования является создание реальной базы данных для разработки алгоритма обнаружения припадков.

Записанные данные будут представлять собой частоту сердечных сокращений через ЭКГ и данные о движении через 9 переменных, измеренных по 3 осям x, y, z, с 3 датчиками: акселерометр, гироскоп, магнитометр. Эти данные будут собираться с помощью подключенного патча, доступного на рынке (маркировка CE).

В то же время пациентам будет полезно долгосрочное видео-ЭЭГ-обследование, которое будет аннотировано врачами и будет использоваться в качестве золотого стандарта для выявления приступов для обучения алгоритма.

Эта более полная база будет использована для разработки алгоритма, ранее разработанного на основе ретроспективных данных.