• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Smartphonepoäng kan hjälpa läkare att spåra svårighetsgraden av Parkinsons sjukdomssymptom

    Johns Hopkins datavetenskapstudenter Srihari Mohan, vänster, och Andong Zahn, visa iPhone- och Android -smarttelefonapparna som de hjälpte till att utforma så att patienter med Parkinsons sjukdom kunde mäta svårighetsgraden av sina symtom. Kredit:Noam Finkelstein/Johns Hopkins U

    Parkinsons sjukdom, en progressiv hjärnsjukdom, är ofta svårt att behandla effektivt eftersom symtom, som skakningar och gångsvårigheter, kan variera dramatiskt under en period av dagar, eller till och med timmar.

    För att möta denna utmaning, Johns Hopkins University datavetare, arbeta med ett tvärvetenskapligt team av experter från två andra institutioner, har utvecklat ett nytt tillvägagångssätt som använder sensorer på en smartphone för att generera en poäng som på ett tillförlitligt sätt återspeglar symtomens svårighetsgrad hos patienter med Parkinsons sjukdom.

    I en studie publicerad nyligen online i tidskriften JAMA Neurologi , forskare från Johns Hopkins Whiting School of Engineering, University of Rochester Medical Center, och Aston University i Storbritannien rapporterade att svårighetsgraden av symtomen bland Parkinsonspatienter som ses av neurologer stämmer överens med dem som genereras av deras smartphone-app.

    Vanligtvis, patienter med Parkinsons sjukdom utvärderas av medicinska specialister under tre eller fyra klinikbesök årligen, med subjektiva bedömningar som bara fångar en kort ögonblicksbild av en patients fluktuerande symtom. I deras hem, patienter kan också bli ombedd att fylla i en besvärlig 24-timmars "motordagbok" där de skriver ett skriftligt register över sin rörlighet, ofrivilliga vridningsrörelser och andra Parkinsons symptom. Läkaren använder sedan dessa självrapporterade eller oprecisa data för att vägleda behandlingen.

    I den nya studien, forskarna säger att patienter kan använda en smartphone-app för att objektivt övervaka symtom i hemmet och dela dessa data för att hjälpa läkare att finjustera sin behandling.

    E. Ray Dorsey, en neurolog vid University of Rochester Medical Center och en medförfattare till forskningsartikeln, sade att han välkomnar valideringen av Parkinsons patientallvarlighetspoäng som produceras av smarttelefontesterna.

    "Om du tänker efter, det låter galet, " han sa, "men tills dessa typer av studier, vi hade mycket begränsad information om hur dessa människor fungerar på lördagar och söndagar eftersom patienter inte kommer till kliniken på lördagar eller söndagar. Vi hade också mycket begränsad information om hur människor med Parkinsons mår klockan två på morgonen eller klockan 11 på natten eftersom, om de inte är inlagda, de ses i allmänhet inte på kliniker vid dessa tillfällen."

    För ungefär sex år sedan, medan han gjorde medicinsk forskning vid Johns Hopkins, Dorsey introducerades för Suchi Saria, en biträdande professor i datavetenskap vid universitetet. Saria, motsvarande författare till studien och en expert på en datorteknik som kallas maskininlärning, hade använt det för att extrahera användbar information från hälsorelaterad data som rutinmässigt samlades in på sjukhus. De två forskarna, tillsammans med några av Sarias elever, gick ihop för att hitta ett sätt att övervaka hälsan hos Parkinsonspatienter lika enkelt som personer med diabetes kan kontrollera sina glukosnivåer med ett nålsticksblodprov.

    Teammedlemmarna visste att neurologer utvärderade sina Parkinsonspatienter genom att samla information om hur de rörde sig, talade och utförde vissa dagliga uppgifter. "Kan vi göra det här med en mobiltelefon?" undrade Saria då. "Vi frågade, "Vilka knep kan vi använda för att få det att hända?" "

    Använda befintliga smartphonekomponenter som dess mikrofon, pekskärm och accelerometer, teammedlemmarna utarbetade fem enkla uppgifter som involverade röstavkänning, knacka med fingret, gångmätning, balans och reaktionstid. De förvandlade detta till en smartphone-app som heter "HopkinsPD." Nästa, med hjälp av en maskininlärningsteknik som teamet tagit fram, de kunde omvandla data som samlats in med dessa tester och omvandla det till ett objektivt poängvärde för Parkinsons sjukdoms svårighetsgrad – en poäng som bättre återspeglade den övergripande svårighetsgraden av patienternas symtom och hur väl de svarade på medicinering.

    Forskarna säger att denna smartphone-utvärdering borde vara särskilt användbar eftersom den inte förlitar sig på subjektiva observationer från en medicinsk personal. Dessutom, det kan administreras när som helst eller dag på en klinik eller inom patientens hem, där patienten är mindre benägen att vara lika nervös som i en medicinsk miljö.

    "Den dagliga variationen av Parkinsons symptom är så hög, " sa Saria. "Om du råkar mäta en patient vid 17-tiden. idag och sedan tre månader senare, 17.00 igen, hur vet du att du inte fångade honom vid en bra tid första gången och vid en dålig tid andra gången?"

    Samla in mer frekventa smarttelefontestdata i en medicinsk miljö såväl som i hemmet, skulle kunna ge läkarna en tydligare bild av deras patienters allmänna hälsa och hur väl deras mediciner fungerar, Saria och hennes kollegor föreslog.

    Sammanfatta vikten av deras upptäckt i JAMA Neurologi Rapportera, forskarna sa, "En smartphone-härledd svårighetsgrad för Parkinsons sjukdom är genomförbar och ger ett objektivt mått på motoriska symtom inom och utanför kliniken som kan vara värdefullt för klinisk vård och terapeutisk utveckling."

    Patienter i forskningsprojektet använde Android-smartphones för att ladda ner programvaran, tillgänglig via Parkinson's Voice Initiatives webbplats. Teamet har nu samarbetat med Apple och Sage Bionetworks för att utveckla mPower, en iPhone-version som finns tillgänglig på Apples App Store.

    Studiens tre huvudförfattare inkluderade två av Sarias studenter från institutionen för datavetenskap vid Johns Hopkins:doktorand Andong Zhan och tredjeårsstudenten Srihari Mohan.

    Zahn, vem är från Qujing, Yunnan, i Kina, beskrev projektet som "en unik upplevelse av att extrahera data från den fysiska världen till en digital värld och slutligen se det bli meningsfull klinisk information."

    Mohan, som är från Redmond, Washington, Lagt till, "Även om inte all forskning konkret integreras i människors liv, Det som gör mig mest upphetsad är potentialen för att de metoder vi utvecklat kan användas sömlöst i en patients livsstil och förbättra kvaliteten på vården."


    © Vetenskap https://sv.scienceaq.com