Portare la clinica a casa: un ecosistema di raccolta dati multimodale a domicilio per supportare la stimolazione cerebrale profonda adattiva

La stimolazione cerebrale profonda (DBS) tratta i disturbi neurologici come il morbo di Parkinson (PD) fornendo corrente elettrica direttamente a specifiche regioni del cervello. Si stima che ci siano 8,5 milioni di casi di malattia di Parkinson in tutto il mondo e la DBS ha dimostrato di essere una terapia critica quando i farmaci sono insufficienti per gestire i sintomi ^1,2. Tuttavia, l’efficacia della DBS può essere limitata dagli effetti collaterali che a volte si verificano dalla stimolazione che viene convenzionalmente erogata ad ampiezza, frequenza e larghezza di impulso^{fisse 3}. Questa implementazione a circuito aperto non risponde alle fluttuazioni dello stato dei sintomi, con conseguenti impostazioni di stimolazione che non sono adeguatamente adattate alle mutevoli esigenze del paziente. La DBS è ulteriormente ostacolata dal lungo processo di regolazione dei parametri di stimolazione, che attualmente viene eseguito manualmente dai medici per ogni singolo paziente.

La DBS adattiva (aDBS) è un approccio a circuito chiuso che ha dimostrato di essere un’efficace iterazione successiva della DBS, regolando i parametri di stimolazione in tempo reale ogni volta che vengono rilevati biomarcatori correlati ai sintomi ^3,4,5. Gli studi hanno dimostrato che le oscillazioni beta (10-30 Hz) nel nucleo subtalamico (STN) si verificano costantemente durante la bradicinesia, un rallentamento del movimento caratteristico della PD ^6,7. Allo stesso modo, è noto che le oscillazioni ad alta gamma (50-120 Hz) nella corteccia si verificano durante i periodi di discinesia, un movimento eccessivo e involontario comunemente osservato anche nel PD⁸. Lavori recenti hanno somministrato con successo aDBS al di fuori della clinica per periodi prolungati⁵, tuttavia l’efficacia a lungo termine degli algoritmi aDBS che sono stati configurati in clinica mentre un paziente è a casa non è stata stabilita.

I sistemi remoti sono necessari per catturare l’efficacia variabile nel tempo di questi algoritmi dinamici nel sopprimere i sintomi incontrati durante la vita quotidiana. Mentre l’approccio di stimolazione dinamica dell’aDBS consente potenzialmente un trattamento più preciso con effetti collaterali ridotti^3,9, l’aDBS soffre ancora di un elevato onere per i medici di identificare manualmente i parametri di stimolazione per ogni paziente. Oltre al già ampio set di parametri da programmare durante la DBS convenzionale, gli algoritmi aDBS introducono molti nuovi parametri che devono essere regolati con attenzione. Questa combinazione di parametri di stimolazione e algoritmi produce un vasto spazio di parametri con un numero ingestibile di possibili combinazioni, impedendo all’aDBS di espandersi a molti pazienti¹⁰. Anche in ambito di ricerca, il tempo aggiuntivo necessario per configurare e valutare i sistemi aDBS rende difficile ottimizzare adeguatamente gli algoritmi esclusivamente in clinica ed è necessario l’aggiornamento remoto dei parametri. Per rendere l’aDBS un trattamento scalabile, la stimolazione e la regolazione dei parametri dell’algoritmo devono essere automatizzate. Inoltre, i risultati della terapia devono essere analizzati attraverso studi ripetuti per stabilire che l’aDBS è un trattamento praticabile a lungo termine al di fuori della clinica. C’è bisogno di una piattaforma in grado di raccogliere dati per la valutazione remota dell’efficacia della terapia e per distribuire da remoto gli aggiornamenti dei parametri dell’algoritmo aDBS.

L’obiettivo di questo protocollo è quello di fornire un design riutilizzabile per una piattaforma di raccolta dati multimodale a domicilio per migliorare l’efficacia dell’aDBS al di fuori della clinica e per consentire a questo trattamento di scalare a un numero maggiore di individui. Per quanto ne sappiamo, è la prima piattaforma di raccolta dati progettata che valuta a distanza i risultati terapeutici utilizzando videocamere domestiche, sensori indossabili, registrazione del segnale neurale cronico e feedback guidato dal paziente per valutare i sistemi aDBS durante compiti controllati e comportamento naturalistico.

La piattaforma è un ecosistema di componenti hardware e software costruiti su sistemi sviluppati in precedenza⁵. È manutenibile interamente tramite accesso remoto dopo un’installazione iniziale di hardware minimo per consentire la raccolta di dati multimodali da una persona nel comfort della propria casa. Un componente chiave è il sistema di neurostimolazione impiantabile (INS)¹¹ che rileva l’attività neurale e fornisce la stimolazione all’STN e registra l’accelerazione degli impianti toracici. Per l’impianto utilizzato nella distribuzione iniziale, l’attività neurale viene registrata da elettrocateteri bilaterali impiantati nell’STN e da elettrodi per elettrocorticografia impiantati sulla corteccia motoria. Un sistema di registrazione video aiuta i medici a monitorare la gravità dei sintomi e l’efficacia della terapia, che include un’interfaccia utente grafica (GUI) per consentire una facile cancellazione delle registrazioni in corso per proteggere la privacy del paziente. I video vengono elaborati per estrarre le traiettorie cinematiche della posizione in due dimensioni (2D) o tridimensionali (3D) e gli smartwatch vengono indossati su entrambi i polsi per acquisire informazioni sulla velocità angolare e sull’accelerazione. È importante sottolineare che tutti i dati vengono crittografati prima di essere trasferiti nell’archiviazione cloud a lungo termine e che il computer con i video identificabili dal paziente è accessibile solo tramite una rete privata virtuale (VPN). Il sistema include due approcci per l’allineamento temporale post-hoc di tutti i flussi di dati e i dati vengono utilizzati per monitorare a distanza la qualità del movimento del paziente e per identificare i biomarcatori correlati ai sintomi per perfezionare gli algoritmi aDBS. La parte video di questo lavoro mostra il processo di raccolta dei dati e le animazioni delle traiettorie cinematiche estratte dai video raccolti.

Lo sviluppo del protocollo è stato guidato da una serie di considerazioni progettuali:
Garantire la sicurezza dei dati e la privacy dei pazienti: La raccolta di dati identificabili dei pazienti richiede la massima attenzione nella trasmissione e nell’archiviazione per essere Health Insurance Portability and Accountability Act (HIPAA)^12,13 e di rispettare la privacy del paziente nella propria abitazione. In questo progetto, questo risultato è stato raggiunto impostando una VPN personalizzata per garantire la privacy di tutto il traffico sensibile tra i computer del sistema.
Limiti di sicurezza dei parametri di stimolazione: È fondamentale garantire che il paziente rimanga al sicuro durante la prova degli algoritmi aDBS che potrebbero avere effetti indesiderati. L’INS del paziente deve essere configurato da un medico in modo da avere confini sicuri per i parametri di stimolazione che non consentono effetti pericolosi da sovrastimolazione o sottostimolazione. Con il sistema INS¹¹ Utilizzata in questo studio, questa funzione è abilitata da un programmatore clinico.
Garantire il veto del paziente: Anche entro i limiti dei parametri di sicurezza, la variabilità giornaliera dei sintomi e delle risposte di stimolazione può portare a situazioni spiacevoli per il paziente in cui non gradisce un algoritmo in fase di test e desidera tornare alla normale DBS clinica ad anello aperto. Il sistema INS selezionato include un modulo di telemetria del paziente (PTM) che consente al paziente di modificare manualmente il gruppo di stimolazione e l’ampiezza di stimolazione in mA. Esiste anche un’applicazione di ricerca collegata all’INS che viene utilizzata per la configurazione remota dell’INS prima della raccolta dei dati¹⁴, che consente inoltre al paziente di interrompere gli studi sulla aDBS e di controllare la terapia.
Cattura di comportamenti complessi e naturali: I dati video sono stati incorporati nella piattaforma per consentire ai medici di monitorare a distanza l’efficacia della terapia e di estrarre traiettorie cinematiche dalle stime di posa da utilizzare nelle analisi di ricerca¹⁵. Sebbene i sensori indossabili siano meno intrusivi, è difficile catturare l’intera gamma dinamica di movimento di un intero corpo utilizzando solo i sistemi indossabili. I video consentono la registrazione simultanea dell’intera gamma di movimenti del paziente e dei suoi sintomi nel tempo.
Usabilità del sistema per i pazienti: la raccolta di dati multimodali a casa richiede l’installazione e l’utilizzo di più dispositivi nella casa di un paziente, il che potrebbe diventare oneroso per i pazienti. Per rendere il sistema facile da usare e garantire il controllo del paziente, solo i dispositivi impiantati o fisicamente collegati al paziente (in questo caso il sistema INS e gli smartwatch) devono essere accesi manualmente prima di avviare una registrazione. Per i dispositivi separati dal paziente (in questo caso si tratta di dati registrati da videocamere), le registrazioni iniziano e terminano automaticamente senza richiedere alcuna interazione con il paziente. Durante la progettazione della GUI è stata prestata attenzione a ridurre al minimo il numero di pulsanti e ad evitare alberi di menu profondi in modo che le interazioni fossero semplici. Dopo che tutti i dispositivi sono stati installati, un coordinatore della ricerca ha mostrato al paziente come interagire con tutti i dispositivi attraverso le interfacce grafiche rivolte al paziente che fanno parte di ciascun dispositivo, ad esempio come terminare le registrazioni su qualsiasi dispositivo e come inserire la cronologia dei farmaci e i rapporti sui sintomi.
Trasparenza della raccolta dei dati: Indicare chiaramente quando le telecamere sono accese è fondamentale in modo che le persone sappiano quando vengono registrate e possano sospendere la registrazione se hanno bisogno di un momento di privacy. Per raggiungere questo obiettivo, viene utilizzata un’applicazione di sistema di telecamere per controllare le registrazioni video con un’interfaccia grafica rivolta al paziente. La GUI si apre automaticamente all’avvio dell’applicazione ed elenca l’ora e la data della successiva registrazione pianificata. Quando una registrazione è in corso, un messaggio indica quando è programmata la fine della registrazione. Al centro della GUI, viene visualizzata un’immagine di grandi dimensioni di una luce rossa. L’immagine mostra la luce che è intensamente accesa ogni volta che è in corso una registrazione e cambia in un’immagine non illuminata quando le registrazioni sono spente.

Il protocollo descrive in dettaglio i metodi per la progettazione, la costruzione e l’implementazione di una piattaforma di raccolta dati a domicilio, per il controllo della qualità dei dati raccolti per verificarne la completezza e la robustezza e per la post-elaborazione dei dati da utilizzare nella ricerca futura.

Figura 1: Flusso di dati. I dati per ogni modalità vengono raccolti indipendentemente dalla residenza del paziente prima di essere elaborati e aggregati in un unico endpoint di archiviazione remota. I dati per ogni modalità vengono inviati automaticamente a un endpoint di archiviazione remota. Con l’aiuto di uno dei membri del team, può quindi essere recuperato, controllato per la validità, allineato nel tempo tra le modalità e sottoposto a una pre-elaborazione più specifica per la modalità. Il set di dati compilato viene quindi caricato in un endpoint di archiviazione remota a cui tutti i membri del team possono accedere in modo sicuro per un’analisi continua. Tutte le macchine con accesso ai dati, in particolare per i dati sensibili come i video grezzi, sono racchiuse all’interno di una VPN che garantisce che tutti i dati vengano trasferiti in modo sicuro e che i dati archiviati siano sempre crittografati. Fare clic qui per visualizzare una versione più grande di questa figura.