通过预测算法改变帕金森病的护理 (TechHealthPD)

帕金森病 (PD) 是第二常见的神经退行性疾病，也是影响运动协调的最常见疾病，影响 65 岁以上人群的 2% 和 80 岁以上人群的 4% [1,2]。 诊断为 PD 的患者患有严重的运动和非运动症状。 典型的运动症状包括静止性震颤或僵硬、称为运动迟缓的随意运动缓慢、说话时发音困难，而非运动症状可能是睡眠、认知和自主功能障碍[3,4]。 PD 不仅会破坏运动功能，还会显着影响患者的生活质量、睡眠模式、认知方面和情绪。 虽然帕金森病无法治愈，但药物、手术和跨学科方法等某些治疗方法可以有效解决和管理帕金森病相关症状。 鉴于治疗方法的多样性以及运动和非运动症状对日常功能的不同影响，越来越需要更全面的干预措施。 大量研究探讨了生活方式干预措施（例如体力活动 (PA)）对 PD 各方面的影响，表明 PD 患者可能通过多种方式从 PA 中受益，从健康状况的总体改善到疾病特异性的影响，以及潜在的治疗效果。 ，改变疾病的结果[5,6]。 为此，我们进行了一项随机双盲临床试验，研究 PA 对 PD 患者皮肤成纤维细胞线粒体功能的影响 (NCT05963425) [7]。 这是一项干预研究，有 24 名患者，被随机分为三组（8 名患者/组）。 第一组进行基于力量和阻力的基础体能训练（BPT），第二组进行BPT结合功能练习（BPTFE）并进行认知和运动训练，第三组不进行任何活动计划，作为对照组。 PA干预持续60分钟，频率为每周3次，持续16周。 主要目的是评估 PA 对线粒体功能的影响，及其对多种临床因素的影响，如运动功能、生活质量、睡眠、认知方面和情绪。

基于之前研究的整体见解，该项目旨在利用人工智能 (AI) 创建一个技术智能平台，以培养 PD 人群的健康习惯和最佳临床管理。 技术平台成为改变PD管理格局的工具。 这些平台可以促进持续监测和量身定制的干预措施，例如整合生活方式的锻炼计划[8,9]。 然而，虽然技术干预措施在促进健康习惯方面显示出希望[10]，但在帕金森病背景下整合人工智能进行个性化干预的研究有限[11]。 迄今为止开发的模型有几个关键限制，包括仅使用一项功能（即 运动症状），模型假设患者遵循固定的进展，或者不考虑 PD 对症治疗的积极和消极影响 [12]。 在此，我们解决了当前的局限性，并提出了一种基于人工智能模型的整体方法，为专业人员、患者和护理人员提供了一个能够促进健康习惯和优化临床方面的智能平台。 在此，我们认识到 PA 以及其他健康习惯对 PD 患者的重要性，通过纳入运动障碍协会赞助的统一帕金森病评定量表 (MDS-UPDRS) 修订版 (MDS-UPDRS) 中的 50 多个其他变量，MDS-UPDRS 是一种综合性临床工具，用于评估 PD 患者的运动和非运动症状，分为四个部分，评估日常生活经历、运动检查和治疗相关的运动并发症。 重要的是，收集的数据将通过帕金森病进展标志物计划 (PPMI) 进行验证，这是一项具有里程碑意义的研究，涉及 1500 多名患者，旨在识别帕金森病进展的生物标志物，从而提高我们研究结果的可靠性和适用性。 该项目的成功执行将最终形成一个结合了网络和移动界面的集成解决方案，增强局部放电诊断和监测功能的整体可访问性和有效性。 拟议的基于人工智能的智能平台具有重大的社会影响，主要是通过解决运动和非运动症状来改善帕金森病患者的生活质量。 它促进了一种更全面和个性化的帕金森病管理方法，超越了当前治疗方法的局限性，目前的治疗方法通常侧重于疾病的单一方面。 通过整合完善的临床数据库中的各种变量，该平台旨在提供量身定制的干预措施，以促进健康习惯并优化临床结果。 此外，该平台使用人工智能进行持续监测和适应性干预，将增强患者和护理人员的能力，提供实时支持并减轻医疗保健系统的负担。 这代表着向更加以患者为中心的主动护理的转变，有可能改善受帕金森病影响的老龄化人口的疾病进展管理和生活质量。 总之，该综合方法旨在为 PD 进展提供有价值的见解，并支持在临床实践中实施健康习惯。