In-Home Device kan være best ‘gullstandard’ for PD-overvåking


En trådløs enhet i hjemmet som overvåker bevegelser og ganghastighet hos pasienter med Parkinsons sykdom (PD) kan tillate klinikere å overvåke sykdomsprogresjon ved å bruke en type “menneskelig radar,” antyder en ny studie.

Omtrent på størrelse med en Wi-Fi-ruter, monteres enheten på en vegg i hjemmet og samler inn data om bevegelse og ganghastighet ved hjelp av radiosignaler som spretter av pasientens kropp mens de beveger seg. Endringer i disse bevegelsene er potensielle indikatorer på sykdomsprogresjon og alvorlighetsgrad og medisinrespons.

Da forskere sammenlignet et års data samlet inn med enheten med konvensjonelle kliniske målinger av Parkinsons, fant de ut at klinikere kunne spore sykdommen og medisinresponsen mer effektivt enn de kunne med periodiske, klinikkmessige evalueringer.



Omtrent på størrelse med en Wi-Fi-ruter, er den trådløse hjemmeenheten montert på en vegg og samler data om bevegelse og ganghastighet ved hjelp av radiosignaler som spretter av pasientens kropp mens de beveger seg.

“Parkinsons symptomer blir verre over tid, men sykdommen endrer seg sakte og noen ganger tar det mange år å vurdere endringen i alvorlighetsgraden av sykdommen pålitelig,” etterforsker Dina Katabi, PhD, professor i elektroteknikk og informatikk ved Massachusetts Institute of Technology i Cambridge , fortalte Medscape Medical News. “Vi kan forkorte denne perioden fordi vi har mer pålitelige og sensitive målinger.”

Funnene var publisert på nett 21 september i Science Translational Medicine.

Oppfyller gullstandarden

Oral levodopa er gullstandardmedisinen for å forbedre symptomene på Parkinsons sykdom, som rammer omtrent 1 % av personer over 60 år. Legemidlets effektivitet avtar hos de fleste pasienter etter noen år, men derfor rutinemessig overvåking av motoriske ferdigheter og kognitiv funksjon er kritisk.

Fordi de fleste PD-spesialister er konsentrert i urbane områder, så mange som 40 % av Medicare-pasientene blir sjelden sett av en nevrolog eller spesialist, hvis i det hele tatt.

Dette har ansporet til forskning på alternative måter å overvåke sykdommen på utenfor klinikken. Mens bærbare enheter har vist noen resultater, utgjør alderen og skrøpeligheten til mange pasienter utfordringer for vellykket bruk.

Enheten som ble brukt i denne studien, utviklet i Katabis laboratorium, sender ut trådløse signaler som er omtrent 1000 ganger svakere enn de som sendes ut av et Wi-Fi-hjemmesystem. Signalene går gjennom vegger og gjenstander, men spretter av en persons kropp mens de beveger seg.

Forskere samlet inn data i 1 år fra 1-2 enheter plassert i hjemmene til 34 pasienter med PD og 16 friske deltakere. Ved hjelp av maskinlæringsalgoritmer analyserte etterforskere mer enn 200 000 ganghastighetsmålinger.

Etterforskere fant at ganghastighet i hjemmet var sterkt korrelert med poengsummene på Movement Disorder Society-sponsored revisjon av Unified Parkinsons Disease Rating Scale del III delscore og total poengsum (P < 0,001 for begge).

“Studien viser at gangarten hjemme er mer korrelert med gullstandarden for å måle Parkinsons sykdom,” sa Katabi.

Forskere fant også at den årlige ganghastigheten falt nesten dobbelt så raskt hos personer med PD som hos de uten lidelsen (henholdsvis -0,026 m/s vs -0,015 m/s; P = 0,04). Gangmålinger stemte også med medisinbruk; Ganghastigheten forbedret seg like etter at en pasient tok medisinene sine og avviste da medisinen begynte å avta.

“Det lar leger vurdere sykdommen uten å be pasienter om å besøke klinikken, noe som vanligvis er vanskelig for gamle pasienter på grunn av motorisk svekkelse ved Parkinsons sykdom,” sa Katabi.

Klinisk påvirkning

Forskerne har utført flere studier på enheter som den som ble brukt i denne studien, inkludert kunstig intelligens (AI) teknologi som bruker et nevralt nettverk for å etterligne den menneskelige hjernen.

Forskere brukte den enheten å lykkes med å skille mellom pasienter med PD og de uten lidelsen, basert på nattlige pustesignaler. Teknologien identifiserte til og med de med PD før de ble diagnostisert.

Å bruke maskinlæringsalgoritmer på denne måten har potensial til å fremskynde utviklingen av legemidler ved å forenkle kliniske studier og redusere kostnadene deres, sa forskerne. Men for PD-spesialister er den mer umiddelbare interessen hvordan teknologien kan forbedre pasientbehandlingen.

Kommenterer funnene for Medscape Medical NewsRebecca Gilbert, MD, PhD, vitenskapelig sjef for American Parkinson Disease Association, sa at enheten i denne nye studien kan “legge til en viktig komponent til overvåkingen av PD, som på dette tidspunktet består av data samlet inn med brede intervaller i klinikk.

“Å bruke hjemmegangshastighet kan være usedvanlig nyttig for klinikere, ikke bare for å forstå pasientens kliniske tilstand og progresjon, men for å undersøke respons på deres kliniske avgjørelser som for eksempel endringer i medisiner,” la Gilbert til.

Studien ble finansiert av National Institutes of Health og Michael J. Fox Foundation. Katabi er en av grunnleggerne av Emerald Innovations og sitter i Advisory Board til Janssen og data science advisory board til Amgen. Gilbert rapporterer ingen relevante økonomiske forhold.

Sci Transl Med. Publisert på nett 21. september 2022. Full tekst

Kelli Whitlock Burton er en reporter for Medscape Medical News som dekker psykiatri og nevrologi.

For flere Medscape Neurology-nyheter, bli med oss ​​videre Facebook og Twitter