Разработка цифровых диагностических устройств для лечения болезни Паркинсона

Болезнь Паркинсона (БП) — одно из наиболее распространенных нейродегенеративных заболеваний во всем мире, от которого страдает 1% населения старше 65 лет.

В настоящее время диагноз БП основывается на анамнезе, клинической оценке и неврологическом обследовании.

Наиболее широко используемыми критериями диагностики являются критерии и инструменты Общества двигательных расстройств (MDS) (т. МДС-УПДРС). Дополнительную информацию можно получить из субъективного описания людьми своих симптомов и/или с помощью некоторых тестов с короткой ходьбой, таких как тест на 3-метровую дистанцию ​​на время (TUG), выполняемый в виде снимка в клинике. Однако симптомы у людей различаются в зависимости от дня, и субъективные описания основаны на их памяти и домашних наблюдениях. Эти воспоминания могут быть ненадежными или недостаточно подробными (особенно если у человека когнитивные нарушения). Таким образом, современные критерии диагностики БП во многом зависят от человека и врача, ставящего диагноз. Эта субъективность может привести к вариабельности диагноза. Кроме того, эти клинические оценки не позволяют точно отслеживать прогрессирование заболевания с течением времени, что затрудняет предоставление индивидуального ухода. Кроме того, при ручном обследовании отсутствуют точные измерительные инструменты, что приводит к низкой точности наблюдаемых измерений и неспособности обнаружить ранние субклинические признаки. Важна объективная диагностика, основанная на количественных данных, а не на субъективной интерпретации клинических данных2. Таким образом, ранняя и точная диагностика БП, а также точный мониторинг прогрессирования заболевания по-прежнему остаются важными проблемами при БП.

При БП описано несколько глазо-зрительных нарушений. Исследования сообщают об аномальной двигательной функции глаз у 75–87,5% людей с БП (3,4). Эти дисфункции могут предшествовать двигательным симптомам или следовать за ними, и, таким образом, оценка двигательной функции глаза может предоставить ценную информацию относительно раннего выявления заболевания или прогрессирования заболевания (5). Наиболее часто встречающимися глазными моторными дисфункциями являются нарушения саккад, плавного преследования и вергентности (3,4,6).

Нарушения походки являются одними из наиболее распространенных и инвалидизирующих симптомов БП (29). Нарушения походки включают замирание походки (FOG), неспособность начать или поддерживать нормальную походку, что часто приводит к стохастической остановке/началу походки, и фестинирующую походку (FSG), которая представляет собой укорочение длины шага с увеличением частоты шагов, что приводит к быстрыми, шаркающими шагами. И ВОГ, и ФСГ способствуют повышенному риску падений (и травм, связанных с падением) у людей с БП по сравнению с более широким населением пожилого возраста. Объективный и непрерывный дистанционный мониторинг походки будет очень важен для людей с БП, поскольку позволит объективно отслеживать нарушения походки в режиме реального времени и потенциально способствовать объективному отслеживанию прогрессирования заболевания, что может привести к персонализированному лечению людей с БП.

В этом проекте будут собраны данные о моторике глаз, зрачках и походке у людей с болезнью Паркинсона (БП) с целью разработки моделей машинного обучения для диагностики и мониторинга БП. Таким образом, исследователи стремятся улучшить современное состояние диагностики и мониторинга БП. Интегрируя принципы машинного обучения с высококачественными данными датчиков, потенциально можно достичь более точной и ранней диагностики. Данные о моторике глаза и зрачках будут собираться с помощью стандартного клинического обследования и с помощью neos, медицинского устройства, одобренного для объективного измерения моторики глаза и зрачка. Данные о походке будут собираться с помощью датчика IMU и GaitQ sendi, потребительского устройства, которое позволяет осуществлять объективный и непрерывный дистанционный мониторинг походки.

Основная цель этого проекта — собрать данные о моторике глаз, зрачках и походке людей с БП, чтобы разработать и сравнить модели машинного обучения для диагностики и мониторинга БП.

Второстепенные цели:

• Коррелируйте параметры глазного мотора, зрачка и походки с несколькими клиническими параметрами, включая MDS-UPDRS.
• Соберите фактические данные (RWE) о параметрах экономики здравоохранения для рассмотрения индивидуальных и комбинированных свойств, эффектов и / или последствий развернутых технологий здравоохранения.
• Анализируя собранные данные, мы также стремимся внести свой вклад в научное понимание болезни Паркинсона, потенциально раскрывая новое понимание закономерностей заболевания, его прогрессирования и реакции на лечение.