Technologie, die automatisch erkennt, wie Parkinson-Patienten auf Medikamente reagieren: Neuartiger Ansatz, der nicht erforderlich ist, patient oder Arzt, engagement

Parkinson-Krankheit (PD) ist eine chronische, fortschreitende neurologische Erkrankung, die sich auf etwa 6 Millionen Menschen weltweit und wird voraussichtlich verdoppeln bis 2040. PD führt zur Deaktivierung der motorischen Funktionen, einschließlich tremor, reduzierte Geschwindigkeit und Gang – /balance-Beeinträchtigung führt zu falls sowie nicht-Motorische Symptome wie kognitive Beeinträchtigung und der Schlaf-und Sprachstörungen.

Eine der häufigsten Komplikationen in der PD-Patienten ist eine Medikation AUF und schaltet den motor AB, Schwankungen, die auftreten, in 50 Prozent der Patienten innerhalb von drei bis fünf Jahren und 80 Prozent diagnostiziert innerhalb von 10 Jahren. Das auftreten dieser motorischen Fluktuationen ist ein entscheidender Punkt bei der Bewältigung der Krankheit, da es erfordert laufende Anpassungen in der Behandlung wie die änderung der Häufigkeit und der Dosierung von Medikamenten oder eine änderung der Parameter für die Tiefe Hirnstimulation.

Derzeit PD-motor Schwankungen angesprochen, mit kurzen klinischen Prüfungen oder entsprechende anamneseerhebung und Patienten selbst Berichte, die darauf angewiesen sind, umfangreiche Aufklärung der Patienten. Selbst dann, self-reports können unzuverlässig sein, und die klinischen Untersuchungen nicht praktikabel sein, insbesondere in ländlichen Gebieten. Patienten erfordern oft häufige follow-up-Besuche mit Ihrem Neurologen.

Forscher von der Florida Atlantic University ‚ s College of Engineering and Computer Science entwickelt haben, eine innovative Möglichkeit, automatisch und zuverlässig zu erkennen und zu überwachen, Medikamente AUF-und AUS-Zustände in der PD-Patienten. Gemeinsam haben Sie einen Algorithmus und sensor-basierte system zur Erkennung von ON-und OFF-Zustand Muster in der PD-Patienten mit zwei wearable motion-sensoren platziert, die auf die meisten Patienten betroffen, die das Handgelenk und die Knöchel.

Für die Studie, veröffentlicht in der Fachzeitschrift Medical Engineering and Physics, diese sensoren erfassten Bewegung Signale während Patienten durchgeführt, sieben Aktivitäten des täglichen Lebens wie gehen oder Ankleiden in Ihre Medikamente ON-und OFF-Phasen. Der Algorithmus wurde geschult mit etwa 15 Prozent der Daten aus vier Aktivitäten und getestet auf die restlichen Daten. Daten von den beiden sensoren erfasst, sofern Objektive Maßnahmen, statt ein patient Tagebuch-oder self-report.

Die Ergebnisse der Studie zeigen, dass der Algorithmus war in der Lage zu erkennen, die Reaktion auf die Medikation während die Probanden täglichen Aktivitäten, mit einem Durchschnitt von 90.5 Prozent Genauigkeit, auf 94,2 Prozent-Empfindlichkeit und 85,4 Prozent Spezifität.

„Unser Ansatz ist neu, weil es wird individuell auf jeden Patienten eher als eine ‚one-size-fits-all“ – Ansatz und kontinuierlich zu erkennen und zu melden Medikation AUF-und AUS-Zustände von Patienten durchführen, verschiedene tägliche routine-Aktivitäten“, sagt Behnaz Ghoraani, Ph. D., senior-Autor, ein assistant professor in der FAU ist der Fachbereich informatik und Elektrotechnik und Computer-Wissenschaft, und ein fellow der FAU, Institut für Sensorik und Embedded-Netzwerk-Systemen (ich-GEFÜHL) und FAU Gehirn-Institut (I-GEHIRN), zwei von der Universität vier Forschungs-Säulen. „Sobald der Algorithmus ausgebildet ist, kann es leicht verwendet werden, als ein passives system zur überwachung der Medikation Schwankungen, ohne dass patient oder Arzt engagement.“

Das Ziel der Ghoraani und co-Autoren Murtadha D. Hssayeni, ein Ph. D. student an der FAU, Michelle A. Burack, M. D., Ph. D., University of Rochester Medical Center, und Joohi Jimenez-Shahed, M. D., Baylor College of Medicine, wurde an der Entwicklung einer individualisierten system, die ausgebildet werden können, die Verwendung der gesammelten Daten während der patient die ersten klinischen besuchen. Patienten würden profitieren von einem automatisierten und benutzerfreundlichen system leicht erkennen, Ihre Reaktion auf Medikamente auf einer kontinuierlichen basis.

„Es besteht ein großer Bedarf für ein Technologie-basiertes system für zuverlässige und Objektive Informationen über die Dauer, die in verschiedenen Medikamenten-Phasen bei Patienten mit Parkinson-Krankheit verwendet werden können durch den behandelnden Arzt, um erfolgreich anpassen, Therapie,“ sagte Stella Batalama, Ph. D., Dekan von FAU ‚ s College of Engineering und Computer Science. „Die Forschung, die professor Ghoraani und Ihre Mitarbeiter sind in diesem Bereich könnte wesentlich Verbesserung der Patientenversorgung und die Qualität des Lebens für die Millionen von Patienten, die betroffen sind von dieser schweren neurodegenerativen Krankheit.“

Der sensor-basierte passive Bewertungs-system und Algorithmus Kombination ermöglicht die Entwicklung eines in-home-monitoring-system, das umfassende, klinisch verwertbare Informationen über einen Patienten hat, der motor Fluktuation Schweregrad und könnte als proxy für die klinische Messung, die hätte auch die Anwendungen für telehealth.