De nouveaux outils basés sur l’IA pour surveiller la maladie de Parkinson à l’aide d’appareils portables

De nouveaux résultats du PPMI Data Modeling Core révèlent la puissance des technologies numériques de la santé pour détecter à distance les symptômes moteurs de la maladie de Parkinson

NEW YORK, 13 septembre 2022 /PRNewswire/ — L’organisation à but non lucratif de recherche et de défense du cerveau Cohen Veterans Bioscience (CVB) annonce la publication des résultats de son programme de recherche en santé numérique analysant les données de la Parkinson’s Progression Markers Initiative (PPMI) pour détecter la présence ou l’absence de la maladie de Parkinson (PD ).

Publié dans le journal capteurs https://www.mdpi.com/1424-8220/22/18/6831/htm le 9 septembre 2022, l’article intitulé “Apprentissage en profondeur pour la surveillance quotidienne de la maladie de Parkinson en dehors de la clinique à l’aide de capteurs portables” présente les résultats d’une nouvelle analyse d’apprentissage automatique dirigée par CVB et soutenue par la Fondation Michael J. Fox ( MJFF ), démontrant le potentiel de l’utilisation de capteurs, de la reconnaissance de l’activité humaine et de l’apprentissage en profondeur pour faciliter la classification de la MP.

La MP est l’un des troubles neurologiques les plus courants et à la croissance la plus rapide qui entraîne un déclin progressif des symptômes moteurs et non moteurs (par exemple, la cognition et l’humeur). Comme il n’existe actuellement aucun biomarqueur objectif dans la MP, le diagnostic est compliqué et implique généralement des questionnaires subjectifs administrés cliniquement pour évaluer la gravité des symptômes, ce qui peut conduire à des symptômes non détectés ou mal classés.

La technologie des capteurs s’est révélée prometteuse pour aider à la détection et à la classification de maladies telles que la MP, mais a une validation très limitée dans des contextes réels. Dans le cadre de l’étude de cohorte de l’Initiative des marqueurs de progression de la maladie de Parkinson (PPMI), les chercheurs ont collecté passivement et en continu des données à l’aide de la Verily Study Watch dans l’environnement naturel d’un sujet. À l’aide de ces données, les chercheurs du CVB, en collaboration avec les chercheurs du PPMI, ont utilisé de nouvelles techniques d’intelligence artificielle (IA) d’apprentissage en profondeur pour explorer le potentiel de prédiction de la présence de la MP par le biais d’activités réelles.

Les résultats de cette recherche sont prometteurs. Dans un échantillon pilote, les chercheurs ont pu faire la distinction entre les individus avec et sans diagnostic de MP avec une précision de près de 90 % dans les mesures de marche simples et une précision de 100 % lors de l’évaluation des données accumulées au cours d’une journée.

“Cette étude montre la faisabilité d’exploiter des données de capteurs portables sans restriction et sans étiquette pour détecter avec précision la maladie de Parkinson à l’aide de puissantes méthodes d’apprentissage en profondeur.,” dit Lee Lancashire, chercheur principal de l’étude et directeur de l’information du CVB. “Grâce à cette combinaison de dispositifs portables et d’IA, nous nous rapprochons de la surveillance des activités individuelles liées à la santé telles que la fonction motrice en dehors de la clinique, libérant ainsi le potentiel de détection et de diagnostic précoces d’affections telles que la maladie de Parkinson.”

Les résultats de cette nouvelle étude de preuve de concept pourraient ouvrir la voie à l’utilisation de capteurs comme outil précieux pour surveiller plus objectivement et plus fréquemment la progression des symptômes de la MP. États Co-auteur Mark Fraserle directeur scientifique du MJFF: “Bien que d’autres études soient nécessaires, nous sommes enthousiasmés par la possibilité d’utiliser les données de capteurs obtenues grâce à l’activité normale d’un patient pour permettre aux cliniciens de surveiller et de classer les symptômes de la MP grâce à des mesures objectives faciles à obtenir qui peuvent être utilisées pour améliorer la décision clinique- faire et guider les interventions thérapeutiques.

Ce travail a été financé conjointement par Cohen Veterans Bioscience (COH-0003) et une généreuse subvention à CVB de la Fondation Michael J. Fox dans le cadre de l’Initiative des marqueurs de progression de la maladie de Parkinson. (MJFF-020749).

Atri, R.; Urbain, K. ; Marebwa, B.; Simuni, T.; Tanner, C.; Siderowf, A.; Frasier, M.; Haas, M.; Lancashire, L. Apprentissage en profondeur pour la surveillance quotidienne de la maladie de Parkinson en dehors de la clinique à l’aide de capteurs portables. Capteurs 2022, 22, 6831. https://doi.org/10.3390/s22186831

À propos de Cohen Vétérans Bioscience

Cohen Vétérans Biosciences est une organisation à but non lucratif de technologie et de recherche biomédicales 501(c)(3) dédiée à l’amélioration de la santé du cerveau grâce à des diagnostics de précision accélérés et à des thérapies personnalisées. Pour soutenir et en savoir plus sur nos efforts de recherche dans le domaine de la santé numérique et des maladies informatiques, visitez www.cohenveteransbioscience.org.

SOURCE Cohen Vétérans Biosciences

Leave a Comment

Your email address will not be published.