Исследовательская команда Оксфордского университета продемонстрировала, что возможно точно отслеживать прогрессию болезни Паркинсона с помощью обученных алгоритмов машинного обучения, анализирующих данные, полученные от носимых сенсорных устройств, которые пациенты носят на себе.
Методы, разработанные под руководством профессора Кристалини Антониадес из клинического нейронаучного отделения Оксфорда, могут использоваться врачами наряду с традиционными клиническими шкалами оценки для повышения точности диагностики и отслеживания прогрессии болезни Паркинсона.
Отслеживание прогрессии моторных симптомов при таких заболеваниях, как болезнь Паркинсона, имеет два ключевых аспекта: врачи должны быть уверены в оценке прогрессирования болезни у конкретного пациента, а исследователям, проводящим клинические испытания, необходимо измерять эффективность терапевтических вмешательств.
Это важно для клинических исследований, так как разработка нового лекарства для такой болезни, как Паркинсон, занимает годы и требует огромных ресурсов. Многие препараты, которые выглядят перспективными в лаборатории, оказываются неэффективными при тестировании на пациентах. Поэтому раннее выявление эффективных препаратов крайне важно для ускорения их разработки. Эти новые инструменты объективного измерения могут значительно упростить этот процесс.
Профессор Антониадес отмечает: «На данный момент врачи используют шкалы оценок (системы, основанные на физическом осмотре) для оценки ключевых симптомов болезни Паркинсона. Однако в такой оценке присутствует элемент субъективности, и разные врачи могут поставить разные баллы. К тому же, шкалы оценок неравномерны — разница между 30 и 40 баллами может быть не такой же, как между 40 и 50. Это может замедлить обнаружение прогрессии болезни, а в клинических испытаниях ограничить типы статистического анализа данных».
Лаборатория нейрометрии под руководством Антониадес проводила эксперименты, чтобы оценить, могут ли носимые сенсорные устройства, надеваемые на туловище, запястья и ступни пациентов, в сочетании с алгоритмами машинного обучения отслеживать прогрессию моторных симптомов более точно, чем традиционные шкалы оценок.
Ранее они и другие исследователи уже показали, что анализ данных с носимых устройств с использованием машинного обучения может помочь в точной диагностике. Известно, что эти новые методы могут различать здоровых пожилых людей, людей с разной степенью тяжести болезни Паркинсона и людей с другими похожими расстройствами.
В новом исследовании ученые задавались вопросом, возможно ли использовать данные, собранные во время выполнения задач по ходьбе и стоянию, для диагностики и отслеживания прогресса моторных симптомов болезни Паркинсона с течением времени.
Участники исследования проходили интенсивную оценку каждые три месяца, чтобы команда могла определить минимальное время, за которое их анализ сможет обнаружить прогрессию болезни. Было обнаружено, что прогрессию можно выявить всего за 15 месяцев с помощью их метода.