患者の歩行速度を継続的に監視することにより、システムは診療所への訪問の間に状態の重症度を評価できます。 — サイエンスデイリー


パーキンソン病は最も急成長している神経変性疾患であり、現在世界中で 1,000 万人以上が罹患していますが、臨床医はその重症度と進行を追跡する上で依然として大きな課題に直面しています。

臨床医は通常、診療所訪問中に運動能力と認知機能をテストすることによって患者を評価します。 これらの半主観的な測定値は、多くの場合、外的要因によってゆがめられます。おそらく、患者は病院までの長いドライブの後で疲れているのでしょう。 パーキンソン病患者の 40% 以上は、都心から離れすぎているか、移動が困難なため、神経内科医やパーキンソン病専門医による治療を受けていません。

これらの問題に対処するために、MIT などの研究者は、パーキンソン病の重症度、疾患の進行、および患者の投薬に対する反応を評価するために使用できる、患者の動きと歩行速度を監視できる家庭用デバイスを実証しました。 .

Wi-Fi ルーターとほぼ同じサイズのこのデバイスは、患者が家の中を移動するときに患者の体に反射する無線信号を使用して受動的にデータを収集します。 患者はガジェットを着用したり、行動を変えたりする必要はありません。 (たとえば、最近の研究では、このタイプのデバイスを使用して、睡眠中の人の呼吸パターンからパーキンソン病を検出できることが示されました。)

研究者はこれらのデバイスを使用して、合計 50 人の参加者を対象とした 2 つの研究を実施しました。 彼らは、機械学習アルゴリズムを使用して、収集した大量のデータ (200,000 以上の歩行速度測定値) を分析することにより、臨床医が定期的な診療所での評価よりも効果的にパーキンソン病の進行を追跡できることを示しました。

「患者を監視し、病気の進行と患者の投薬反応について医師に遠隔で伝えることができるデバイスを自宅に置くことができるため、患者が病院に来られない場合でも患者の世話をすることができます。診療所は現在、信頼できる本物の情報を手に入れており、公平性とアクセスの改善に大きく貢献しています」と、電気工学およびコンピューター サイエンス学科 (EECS) の Thuan and Nicole Pham 教授で上級著者の Dina Katabi 氏は述べています。 Computer Science and Artificial Intelligence Laboratory (CSAIL) と MIT Jameel Clinic の主任研究者でもあります。

共同筆頭著者は、EECS 大学院生の Yingcheng Liu と Guo Zhang です。 この研究は、Science Translational Medicine に掲載されています。

人間レーダー

この作品は、人の体から跳ね返る無線信号を分析するカタビ研究室で以前に開発された無線デバイスを利用しています。 Wi-Fi ルーターの電力のごく一部を使用して信号を送信します。これらの超低電力信号は、家庭内の他のワイヤレス デバイスに干渉しません。 無線信号は壁やその他の固体を通過しますが、体内の水分によって人間に反射されます。

これにより、室内の人の動きを追跡できる「ヒューマン レーダー」が作成されます。 電波は常に同じ速度で移動するため、信号がデバイスに反射するのにかかる時間の長さは、その人の動きを示します。

このデバイスには機械学習分類器が組み込まれており、他の人が部屋の中を移動している場合でも、患者から反射された正確な無線信号を検出できます。 洗練されたアルゴリズムは、これらの動きのデータを使用して、歩行速度 (人がどれだけ速く歩いているか) を計算します。

デバイスはバックグラウンドで動作し、毎日 1 日中実行されるため、膨大な量のデータを収集できます。 研究者は、これらのデータセットに機械学習を適用して、時間の経過とともに病気に関する洞察を得ることができるかどうかを確認したいと考えていました。

彼らは 50 人の参加者を集め、そのうち 34 人がパーキンソン病を患っており、家庭での歩行測定に関する 2 つの観察研究を実施しました。 1 つの研究は 2 か月続き、もう 1 つの研究は 2 年間にわたって行われました。 研究を通じて、研究者は 200,000 を超える個々の測定値を収集し、デバイスの状態やその他の要因による変動を平均化しました。 (たとえば、清掃中にデバイスの電源が誤って切られたり、患者が電話で話しているときに歩くのが遅くなったりする可能性があります。)

彼らは統計的方法を使用してデータを分析し、自宅での歩行速度を使用してパーキンソン病の進行と重症度を効果的に追跡できることを発見しました。 たとえば、パーキンソン病患者は、そうでない人に比べて、歩行速度がほぼ 2 倍速く低下することが示されました。

「部屋の中を移動する患者を継続的に監視することで、患者の歩行速度を非常に正確に測定することができました。また、非常に多くのデータを使用して集計を行うことができ、非常に小さな違いを確認することができました」と Zhang 氏は言います。

より良い、より速い結果

これらの変動性をドリルダウンすると、いくつかの重要な洞察が得られました。 たとえば、研究者は、患者の歩行速度の日中の変動が、投薬に対する反応に対応していることを確認できました。歩行速度は、投薬後に改善し、一定期間後に低下し始める可能性があります.

「これにより、投薬に対する運動能力の反応を客観的に測定できるようになります。以前は、この投薬効果は患者に日誌をつけることによってしか測定できなかったため、これを行うことはほとんど不可能でした」と Liu 氏は言います。

臨床医はこれらのデータを使用して、投薬量をより効果的かつ正確に調整できます。 病気の症状を治療するために使用される多くの薬は、患者が過剰に摂取すると深刻な副作用を引き起こす可能性があるため、これは特に重要です.

研究者は、50 人を 1 年間研究した後、パーキンソン病の進行に関して統計的に有意な結果を示すことができました。 対照的に、マイケル J. フォックス財団によるよく引用される研究では、500 人以上の個人が関与し、5 年以上にわたって監視されている、と Katabi は述べています。

「この病気の薬を開発しようとしている製薬会社やバイオテクノロジー企業にとって、これは負担とコストを大幅に削減し、新しい治療法の開発をスピードアップすることができます.

Katabi 氏は、この研究の成功の多くは、途中で発生した多くの困難に取り組むために協力した科学者と臨床医の献身的なチームのおかげであると考えています。 1つは、Covid-19パンデミックの前に研究を開始したため、エンジニアは最初に人々の家に入ってデバイスをセットアップしました. それが不可能になったとき、彼らはデバイスをリモートで展開する方法を開発し、参加者と臨床医向けの使いやすいアプリを作成しました。

研究の過程で、彼らはプロセスを自動化し、特に参加者と臨床チームの労力を削減することを学びました。

この知識は、アルツハイマー病、ALS、ハンチントン病などの他の神経疾患の在宅研究にデバイスを展開する際に役立つことが証明されています。 彼らはまた、パーキンソン病が呼吸を監視することで診断できることを示すカタビ研究所の他の研究と組み合わせて、これらの方法をどのように使用できるかを探り、病気を早期に診断して追跡に使用できる包括的なマーカーセットを収集したいと考えています。そしてそれを扱います。

この作品は、国立衛生研究所とマイケル J. フォックス財団によって部分的にサポートされています。



Source link