Ziekte van Parkinson, een progressieve hersenstoornis, is vaak moeilijk effectief te behandelen omdat symptomen, zoals tremoren en loopproblemen, kan sterk variëren over een periode van dagen, of zelfs uren.

Om deze uitdaging aan te gaan, computerwetenschappers van de Johns Hopkins University, werken met een interdisciplinair team van experts van twee andere instellingen, hebben een nieuwe aanpak ontwikkeld die sensoren op een smartphone gebruikt om een ​​score te genereren die op betrouwbare wijze de ernst van de symptomen bij patiënten met de ziekte van Parkinson weergeeft.

In een recentelijk online gepubliceerd onderzoek in het tijdschrift JAMA Neurologie , onderzoekers van de Whiting School of Engineering van Johns Hopkins, het Universitair Medisch Centrum van Rochester, en Aston University in het Verenigd Koninkrijk meldden dat de ernst van de symptomen bij Parkinsonpatiënten die door neurologen werden gezien, nauw overeenkwam met de symptomen die door hun smartphone-app werden gegenereerd.

Typisch, patiënten met de ziekte van Parkinson worden jaarlijks geëvalueerd door medisch specialisten tijdens drie of vier kliniekbezoeken, met subjectieve beoordelingen die slechts een korte momentopname van de fluctuerende symptomen van een patiënt vastleggen. In hun huizen, patiënten kunnen ook worden gevraagd om een ​​omslachtig 24-uurs "motordagboek" in te vullen waarin ze hun mobiliteit schriftelijk bijhouden, onwillekeurige draaiende bewegingen en andere symptomen van Parkinson. De arts gebruikt deze zelfgerapporteerde of onnauwkeurige gegevens vervolgens om de behandeling te sturen.

In de nieuwe studie de onderzoekers zeggen dat patiënten een smartphone-app kunnen gebruiken om de symptomen in huis objectief te volgen en deze gegevens te delen om artsen te helpen hun behandeling te verfijnen.

E. Ray Dorsey, een neuroloog van het University of Rochester Medical Center en een co-auteur van het onderzoekspaper, zei dat hij de validatie van de ernstscores van Parkinson-patiënten, geproduceerd door de smartphone-tests, verwelkomt.

"Als je erover nadenkt, het klinkt gek, " hij zei, "maar totdat dit soort studies, we hadden zeer beperkte gegevens over het functioneren van deze mensen op zaterdag en zondag omdat patiënten niet op zaterdag of zondag naar de kliniek komen. We hadden ook zeer beperkte gegevens over hoe mensen met Parkinson het doen om twee uur 's ochtends of om elf uur 's nachts, omdat, tenzij ze in het ziekenhuis worden opgenomen, ze worden op die momenten over het algemeen niet gezien in klinieken."

Ongeveer zes jaar geleden, terwijl hij medisch onderzoek deed bij Johns Hopkins, Dorsey maakte kennis met Suchi Saria, een assistent-professor informatica aan de universiteit. Sari, de corresponderende auteur van de studie en een expert in een computertechniek genaamd machine learning, had het gebruikt om nuttige informatie te extraheren uit gezondheidsgerelateerde gegevens die routinematig in ziekenhuizen werden verzameld. De twee onderzoekers, samen met enkele van Saria's studenten, werkten samen om een ​​manier te vinden om de gezondheid van Parkinsonpatiënten net zo gemakkelijk te controleren als mensen met diabetes hun glucosespiegels kunnen controleren met een speldenprikbloedtest.

De teamleden wisten dat neurologen hun Parkinsonpatiënten evalueerden door informatie te verzamelen over hoe ze zich bewogen, sprak en voltooide bepaalde dagelijkse taken. "Kunnen we dit met een mobiele telefoon doen?" vroeg Saria zich toen af. "We vroegen, 'Wat zijn de trucs die we kunnen gebruiken om dat voor elkaar te krijgen?' "

Door gebruik te maken van bestaande smartphonecomponenten zoals de microfoon, touchscreen en versnellingsmeter, de teamleden bedachten vijf eenvoudige taken met betrekking tot stemdetectie, vinger tikken, gang meting, balans en reactietijd. Ze hebben dit omgezet in een smartphone-app genaamd 'HopkinsPD'. Volgende, met behulp van een machine learning-techniek die het team heeft bedacht, ze waren in staat om de met deze tests verzamelde gegevens om te zetten en die om te zetten in een objectieve score voor de ernst van de ziekte van Parkinson - een score die beter de algehele ernst van de symptomen van patiënten weergaf en hoe goed ze reageerden op medicatie.

De onderzoekers zeggen dat deze smartphone-evaluatie bijzonder nuttig zou moeten zijn omdat deze niet afhankelijk is van de subjectieve observaties van een medisch personeelslid. Bovendien, het kan op elk moment of elke dag in een kliniek of bij de patiënt thuis worden toegediend, waar de patiënt minder snel zo nerveus is als in een medische setting.

"De dagelijkse variabiliteit van de symptomen van Parkinson is zo hoog, ' zei Saria. 'Als je toevallig om 17.00 uur een patiënt meet. vandaag en dan drie maanden later, weer om 17.00 uur, hoe weet je dat je hem de eerste keer niet op een goed moment hebt gepakt en de tweede keer op een slecht moment?"

Meer frequente smartphone-testgegevens verzamelen, zowel in een medische omgeving als thuis, zou artsen een duidelijker beeld kunnen geven van de algehele gezondheid van hun patiënten en hoe goed hun medicijnen werken, Saria en haar collega's stelden voor.

Samenvattend het belang van hun bevinding in de JAMA Neurologie verslag doen van, zeiden de onderzoekers, "Een smartphone-afgeleide ernstscore voor de ziekte van Parkinson is haalbaar en biedt een objectieve maatstaf voor motorische symptomen binnen en buiten de kliniek die waardevol kunnen zijn voor klinische zorg en therapeutische ontwikkeling."

Patiënten in het onderzoeksproject gebruikten Android-smartphones om de software te downloaden, beschikbaar via de Parkinson's Voice Initiative-website. Het team werkt nu samen met Apple en Sage Bionetworks om mPower, een iPhone-versie die verkrijgbaar is in de App Store van Apple.

De drie co-hoofdauteurs van de studie waren twee van Saria's studenten van de afdeling Computerwetenschappen van Johns Hopkins:promovendus Andong Zhan en derdejaars student Srihari Mohan.

Zahn, wie komt uit Qujing, Yunnan, in China, beschreef het project als "een unieke ervaring om gegevens uit de fysieke wereld naar een digitale wereld te extraheren en het uiteindelijk zinvolle klinische informatie te zien worden."

Mohan, die uit Redmond komt, Washington, toegevoegd, "Hoewel niet al het onderzoek tastbaar wordt geïntegreerd in het leven van mensen, wat me het meest boeit, is het potentieel voor de methoden die we hebben ontwikkeld om naadloos in te passen in de levensstijl van een patiënt en de kwaliteit van zorg te verbeteren."