المؤشرات الحيوية الرقمية الديناميكية للوظائف الحركية والمعرفية في مرض باركنسون
Summary
يقدم هذا البروتوكول رقمنة أجزاء من المهام السريرية التقليدية التي تستخدم عادة لقياس الإدراك والتحكم الحركي في مرض باركنسون. يتم رقمنة المهام السريرية في حين يتم تسجيل الإيقاعات البيوفيزيائية بشكل مشترك من مستويات وظيفية مختلفة من الجهاز العصبي، تتراوح بين الطوعية، عفوية، التلقائي إلى اللاإرادي.
Abstract
وبما أن مرض باركنسون (PD) هو اضطراب غير متجانس، فإن الطب الشخصي مطلوب حقاً لتحسين الرعاية. في شكلها الحالي، وعشرات القياسية من الورق وقلم رصاص أعراض- التدابير المستخدمة تقليديا لتتبع تطور المرض هي خشنة جدا (منفصلة) لالتقاط حبيبات الظواهر السريرية قيد النظر، في مواجهة أعراض هائلة التنوع. ولهذا السبب، يتم بشكل متزايد دمج أجهزة الاستشعار والأجهزة القابلة للارتداء والأجهزة المحمولة في أبحاث PD والرعاية الروتينية. وهذه التدابير الرقمية، وإن كانت أكثر دقة، فإنها تسفر عن بيانات أقل توحيدا وقابلية للتفسير من التدابير التقليدية، وبالتالي، فإن هذين النوعين من البيانات لا يزالان مغلقين إلى حد كبير. وتشكل كلتا المسألتين حواجز أمام التطبيق السريري الواسع لأدوات التقييم الأكثر دقة في الميدان. يعالج هذا البروتوكول كلتا المشكلتين. باستخدام المهام التقليدية لقياس الإدراك والتحكم في المحرك، ونحن اختبار المشارك، في حين شارك في تسجيل الإشارات البيوفيزيائية باستخدام الأجهزة القابلة للارتداء بشكل غير مزعجة. ثم نقوم بدمج النقاط من الأساليب التقليدية للورق والقلم الرصاص مع البيانات الرقمية التي نسجلها باستمرار. نحن نقدم نوع بيانات موحد جديد ومنصة إحصائية موحدة تمكن من تتبع ديناميكي للتغيير في التوقيعات العشوائية للشخص في ظل ظروف مختلفة التي تحقق مستويات وظيفية مختلفة من التحكم في الحركية العصبية، بدءا من الطوعية إلى الحكم الذاتي. يوفر البروتوكول والإطار الإحصائي الموحد علامات حيوية رقمية ديناميكية للوظائف الفيزيائية والمعرفية في PD تتوافق مع المقاييس السريرية التي تم التحقق منها، مع تحسين دقتها بشكل كبير.
Introduction
وقد برز الطب الدقيق (PM) (الشكل1) كمنصة قوية لتطوير العلاجات المستهدفة الشخصية. في مجال أبحاث السرطان، كان هذا النموذج ناجحا جدا والمبادئ لا بد أن تحدث ثورة في المجال الطبي في المستقبل القريب1. PM يجمع بين طبقات متعددة من المعرفة، بدءا من التقارير الذاتية للمرضى إلى علم الجينوم. دمج المعلومات عبر جميع هذه الطبقات يؤدي إلى تقييم شخصي يتيح تفسير البيانات وتوصيات معالجة أكثر دقة تهدف إلى النظر في جميع جوانب حياة الشخص.
هناك العديد من التحديات عند محاولة تكييف منصة PM مع الاضطرابات العصبية والنفسية والعصبية للأجهزة العصبية2،3، وقد تم التعبير عن هذه التحديات مؤخرا4. ومن بين هذه النقاط التفاوت في البيانات التي يتم الحصول عليها، وهي الدرجات المنفصلة من الأساليب السريرية لأقلام الرصاص والورق التي تسترشد بالمراقبة، والبيانات البيوفيزيائية المستمرة المكتسبة ماديا من ناتج الجهاز العصبي (مثلاستخدام أجهزة الاستشعار البيولوجية). تميل البيانات من الدرجات السريرية إلى افتراض نموذج ثابت واحد يناسب جميع الموديل الذي يفرض وظيفة توزيع احتمال واحدة (نظرية) (PDF). ويُفرض هذا الافتراض المسبق على البيانات دون التحقق من صحة تجريبية سليمة، لأن البيانات المعيارية لم يتم الحصول عليها وتوصيفها في المقام الأول. وعلى هذا النحو، لا توجد معايير مناسبة قائمة على التشابه والقياس تصف حالات النضج العصبي النموذجي للنظم العصبية البشرية، حيث أن عمر الشخص السليم ومساحات الاحتمالات المستخدمة لإلقاء هذه الاختلافات في المعلمات تتغير بمعدل ما. وبدون البيانات المعيارية ومقاييس التشابه المناسبة، لا يمكن قياس حالات الخروج عن الحالات النموذجية لأنها تتغير ديناميكياً عبر حياة الشخص. كما أنه من غير الممكن التنبؤ بالعواقب الحسية للتغيرات القادمة.
الشكل 1: منصة الطب الدقيق: سد الفجوة بين السلوكيات وعلم الجينوم لتمكين تطوير العلاج المستهدف في الطب الشخصي الذي يترجم إلى اضطرابات عصبية وعصبية وعصبية وعصبية في الجهاز العصبي. يمكن ترجمة منصة الطب الدقيق لتطوير العلاجات الشخصية المستهدفة لتشخيص وعلاج الاضطرابات العصبية والنفسية العصبية في الجهاز العصبي. ومع ذلك، في شبكة المعرفة، تحتاج طبقة التحليلات السلوكية إلى نقلة نوعية لدمج النتائج الرقمية الناشئة الجديدة من البيانات البيوفيزيائية مع معايير سريرية أكثر تقليدية. ويتمثل أحد التحديات التي تنتظرنا في توفير أساليب سليمة إحصائيا وأدوات تصور بديهية جديدة لهذا التكامل، مع تشجيع الأطباء والمرضى ومقدمي الرعاية على استخدام مقاييس النتائج الرقمية. وقد تم تعديل هذا الرقم من Hawgood وآخرون1 بإذن من الرابطة الأمريكية للنهوض بالعلوم. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.
النهج الحالي“المتوسط الكبير” ينعم كما الضوضاء التقلبات العشوائية للفرد في البيانات، أي تقلب الإشارة التي تظهر مع تقدم الشخص بشكل طبيعي، كما تقدم الاضطراب، والجهاز العصبي للشخص تلقي العلاجات والاستجابة لها. إن الافتقار إلى البيانات المعيارية (أي تقييم الأجزاء الكبيرة من السكان الأصحاء عبر القطاعات والطولية) يمنعنا من فهم الديناميات العصبية النمطية للشيخوخة الصحية. على هذا النحو ، يصبح تحديا لمعرفة كيفية توقع بشكل أعم عواقب أمراض معينة ، حيث أن علم الأمراض يبدأ في إظهار منهجي في الفرد. النُهج التنبؤية حاسمة لتصميم العلاجات التجديدية و/أو العلاجات الواقية من الأعصاب التي تبطئ العملية التنكسية. مرض باركنسون هو مثال جيد على الأمراض حيث تسبق مظاهر الاضطراب العديد من الأعراض الأخرى القابلة للقياس. ونحن نعلم اليوم أن الاضطرابات الحركية المرئية سبقتها قضايا حسية أقل وضوحا مثل انخفاض وظيفة الشم5،6، والتغيرات في أنماط الكلام ، وحركة العين السريعة (REM) النوم7، وغيرها من غير الحركية الأعراض المتعلقة بعمل الجهاز العصبي المعوي8. بحلول الوقت الذي يظهر اضطراب, هناك بالفعل استنفاد الدوبامين عالية في النظام; بعد الأعراض غير الحركية يمكن أن يكون توقع بعض العاهات الحركية المرئية، والتي يتم تقييم الاضطراب حاليا في المقام الأول.
هناك حاجة إلى تغيير النماذج التحليلية الحالية والنظر في أهمية توصيف البيانات التجريبية بشكل صحيح عبر جميع مستويات الجهاز العصبي، حيث تظهر حركات عدم انتظام ضربات القلب ويمكن تسخيرها ديناميكيا في شكل سلسلة زمنية مسجلة مع العديد من أجهزة الاستشعار. يجب ألا تقتصر بيانات الحركة بمعناها العام على الحركات والاضطرابات التي تبثها. توفر البيانات الرقمية من جميع الإيقاعات الحيوية للأنظمة العصبية (بما في ذلك الأشكال الموجية غير الحركة) إمكانية التنبؤ التي قد نحتاجها للمساعدة في منع أو إبطاء التنكس العصبي السريع. ومع ذلك، وبينما نزيد من رصيدنا من أنواع البيانات، ينبغي لنا أن نتجنب الافتراض المتأصل للنماذج الخطية البارامترية للاستنتاج الإحصائي والتفسير المستخدم حاليا لتحليل هذه البيانات. سيكون من الأهمية بمكان تقييم مدى كفاية هذه النماذج الخطية لأنواع المشاكل غير الخطية للغاية التي ندرسها في أمراض الجهاز العصبي الخاضعة للتحولات العشوائية والتغيرات الديناميكية. وتوجد تحذيرات في حلقات خطوط الأنابيب الحالية لتحليل الافتراضات في كلا النوعين من البيانات التي يجري تسخيرها: تلك المستمدة من الدرجات السريرية المنفصلة وتلك المستمدة من الأشكال الموجية البيوفيزيائية الرقمية المستمرة. وفي حين أنها لا تزال منفصلة، سيكون من المهم تصميم أطر جديدة تمكن من التكامل السليم لكلا النوعين من البيانات بطرق تتماشى مع النتائج الرقمية مع المعايير السريرية لتسهيل استخدام التكنولوجيات الرقمية الناشئة من قبل المرضى، مقدمي الرعاية والأطباء.
للتغلب على بعض هذه التحديات، قمنا مؤخرا بتكييف منصة PM في الشكل 1 لتوفير الفينولات الدقيقة للحالات العصبية والعصبية النفسية3. ولهذا الغرض، قمنا بتصميم طريقة جديدة لجمع وتحليل وتفسير البيانات السلوكية جنبا إلى جنب مع اختبارات التقييم السريرية التقليدية التي تتأكد من العلاقات المعقدة بين الظواهر المعرفية والحركية. وبشكل أكثر دقة، قمنا برقمنة أساليب القلم والورق. البيانات من هذه الأساليب وحدها هي خشنة جدا لالتقاط المعلومات الهامة الهروب من العين المجردة. ولكن استخدامها بالاقتران مع البيانات الرقمية من أجهزة الاستشعار البيوفيزيائية يوفر وسيلة جديدة لربط التكنولوجيات الرقمية الناشئة الجديدة مع المعايير السريرية التي يمكن أن تشجع الأطباء على اعتمادها في المستقبل القريب.
هنا، نقدم استخدام البيانات الرقمية في سياق التقييمات السريرية. وعلى وجه التحديد، وبما أن الشخص يؤدي المهمة السريرية، على سبيل المثال، رسم ساعة في اختبار التقييم المعرفي في مونتريال (MoCA)، فإن إنتاج الإيقاعات الأحيائية من قبل الجهاز العصبي يتم تسجيله بشكل مشترك عبر طبقات وظيفية مختلفة. وتشمل هذه الصدمات الكهربائية (EEG)، والتصوير الكهربائي (تخطيط القلب أو تخطيط القلب)، وأنماط الصوت والحركية من الجسم، والإخراج الحركي من القلم باليد الذي يستخدمه الشخص لرسم الساعة على قرص رقمي. كما نجمع بيانات الفيديو من الوجه أثناء توجه الشخص، لإجراء تحليلات عاطفية تنبؤية بالحالة العاطفية. ثم يتم تحليل هذه البيانات من خلال البصريات من منصة إحصائية جديدة للتحليل السلوكي الفردي (SPIBA) وتفسر وفقا للمعايير السريرية التي تقوم عليها هذه الاختبارات. وبشكل أكثر تحديدا، يتم استخدام الدرجات المنفصلة لمتوسط رتبة مجموعة من المرضى وبهذه الطريقة، تقسيم المجموعة على أساس تلك المعايير السريرية. ويمكننا بعد ذلك فحص البيانات البيوفيزيائية المستمرة للمجموعات التي تم تحديدها على هذا النحو، بحثاً عن معايير مؤشر الاستوكاستك الرقمية التي تفصل بشكل أساسي مجموعة فرعية واحدة من المرضى عن أخرى، عبر أكثر من بُعد بارامتري. وعلاوة على ذلك، من خلال فحص البيانات البيوفيزيائية المستمرة في حد ذاتها، وفقا للتقلبات المتأصلة في كل شخص داخل الفوج وأعمى من المعايير السريرية، يمكننا البحث عن مجموعات الناشئة ذاتيا داخل المجموعة، ومقارنة مدى خريطة هذه المجموعات لتلك التي كشفت الأنواع الفرعية التي تسترشد المعايير السريرية.
هذا النهج يوفر طريقة جديدة لتحديد المعلمات ضمن ثروة من البيانات الرقمية البيوفيزيائية، التي التقاط الأكثر فعالية الاختلافات عبر الأنواع الفرعية ويجعل هذه الاختلافات كمرشحين جيدة محتملة لفئات المرضى الذين يعانون من باركنسون المرض (PWP) في المكفوفين، أي عبر سحب عشوائي من عامة السكان. وتكتسي أهمية هذا الأسلوب ذات شقين. يمكننا تخصيص العلاجات حقاً، مع دمج أنواع البيانات المتباينة بشكل صحيح من أجهزة الاستشعار الحيوية والمعايير السريرية؛ أي البيانات البيوفيزيائية الرقمية المستمرة في شكل سلاسل زمنية، ودرجات سريرية منفصلة من الاختبارات التقليدية.
على الرغم من أن هذا هو نهج عام، ينطبق على جميع اضطرابات الجهاز العصبي، ونحن تأطير العمل في سياق PWP وتقديم طرق جديدة لجعل الاستنتاجات الإحصائية حول البيانات الرقمية المستمرة المسجلة بشكل مشترك خلال أداء مثل هذه الاختبارات السريرية النظر في نظام التهديف السريرية منفصلة. وعلى هذا النحو، يتيح العمل التفسير السريري للنتائج الرقمية القابلة للاستخدام في البيئات السريرية. وأخيرا، نقدم توصيات للبدء في تصميم طرق جديدة لتصور مثل هذه النتائج الفردية لتضمينها في تطبيقات جديدة لسهولة الاستخدام في المنزل والإعدادات السريرية من قبل المرضى ومقدمي الرعاية والموظفين السريريين على حد سواء.
Protocol
Representative Results
Discussion
يقدم هذا العمل بروتوكولًا جديدًا يمكّن من دمج الاختبارات السريرية التقليدية مع البيانات الرقمية من إخراج الإشارات البيوفيزيائية من قبل الجهاز العصبي أثناء إجراء الشخص مثل هذه الاختبارات. نحن نقدم استخدام SPIBA وMMS كمنصة موحدة للجمع بين أنواع متباينة من البيانات مثل عشرات منفصلة من أساليب المراقبة قلم رصاص والورق والبيانات الرقمية المستمرة من أجهزة الاستشعار البيوفيزيائية. ويتضح من هذه الأساليب باستخدام مجموعة من الضوابط المتعلقة بالعمر والجنس، مع وجود رقابة إضافية على الشباب بوصفها المرجع الصحي المثالي للمقارنة. نبين أن الاختبارات السريرية التقليدية (مثل تلك التي قد تكون جزءًا من وزارة الصحة وMDS-UPDRS) يمكن استخدامها لمتوسط ترتيب المجموعة واستخراجها تلقائيًا، من التباين المتأصل في درجات المجموعة، المعلومات التي تستخرج البيانات في الرقم الرقمي المجال وفقا لمستويات محددة سريريا من الشدة. هذه المستويات تتماشى بشكل جيد مع مستويات MDS-UPDRS السريرية وأداء اختبار المعرفية / الذاكرة. وفي طبقة أخرى من التنفيذ، نفحص بعد ذلك النظم الأحيائية للنظم العصبية التي يتم تسخيرها من الجهاز العصبي المركزي، والجهاز الوطني للضمان والجهاز الوطني للضمان اتّصال، وبالتالي تميز مستويات مختلفة من الاستقلال الذاتي والسيطرة. نحن نقدم عينة من البيانات والتوقيعات العشوائية المستمدة من هذه البيانات، وفحصها من خلال البصريات من المعايير السريرية. وفي إطار هذا النهج، يمكننا أن نميز المرضى عن الضوابط الصحية؛ ومن خلال الإيقاعات الحيوية الرقمية، تميز داخل PWP، على مستويات هادّاً محددة سريرياً.
من خلال مواءمة البيانات الرقمية البيوفيزيائية مع المعايير السريرية بهذه الطريقة، نقدم مجموعة قابلة للتفسير من المعايير التي يمكن أن تتبع بشكل أكثر ديناميكية التحولات الفردية في النتائج. نحن نقوم بعمل هذه النتائج الجديدة يقيس المؤشرات الحيوية الرقمية الديناميكية، لأنها تستند إلى البيانات الرقمية، ومع ذلك فإنها توفر نتائج قابلة للتفسير وفقا لمعايير سريرية راسخة ومصدقة. وهي مشتقة من السلسلة الزمنية لعمليات الجهاز العصبي، وأنها التقاط الطبيعة الديناميكية لمثل هذه. على وجه الخصوص، ونحن قادرون على استخدام كل من معايير السيارات وغير الحركية. على هذا النحو، يمكننا أن نبدأ في تحديد الجوانب غير الحركية للPD التي من المعروف الآن أن تسبق تدهور الأعراض الحركية التي حددت تقليديا الاضطراب حتى الآن. على سبيل المثال، يمكن استخدام تحليلات الوجه مثل تلك المعروضة هنا لفحص الإيماءات الصغيرة العفوية للوجه أثناء نوم REM لبناء ذخيرة من تلك التي يمكن أن تتنبأ بتدهور الأنشطة الحركية. وبالمثل، يمكننا استخدام هذه الطرق لفحص مستويات الألم أثناء الأنشطة اليومية وتقييم إمكاناتها يرتبط مع الأنشطة خلال وقت النوم REM. هذا أمر مهم، لأن كل من النوم REM والألم dysregulation ومن المعروف أن تسبق القضايا الحركية في وقت لاحق تحديد مستوى شدة PD5،6،7. باستخدام رقمنة لدينا من مختلف المهام السريرية التقليدية، والأنشطة غير الحركية الأخرى جزءا لا يتجزأ من المهام السريرية المستخدمة للتحقيق في القدرات المعرفية والذاكرة تميزت هنا، ومؤشرات من هذه الأنشطة تعيينها إلى أعراض الحركية. هذه الأساليب قابلة للربط بين البحوث الأساسية والممارسات السريرية في مرض باركنسون. ويمكن أيضا أن تمتد إلى اضطرابات أخرى في الجهاز العصبي.
إلى جانب إخراج المحرك من الوجه، أثناء النوم REM، يمكننا فحص إيماءات الوجه خلال الحالات الاجتماعية الطبيعية داخل إطار الاستشعار الذاتي أو reafference الحركية لقياس مستويات ردود الفعل reafferent الدماغ للمريض على الأرجح يحصل. هنا، على الرغم من الاختلافات خفية جدا في الإيماءات الصغيرة عبر مناطق الوجه المقابلة للمناطق afferent ثلاثي ة V1، V2، V3، كان من الممكن تحديد في المشارك ممثل، أي منطقة من الوجه تحولت إلى أقصى حد التوقيعات العشوائية عند الانتقال بين الدول المحايدة ويبتسم بشكل طبيعي. وهذا يشير إلى أنه باستخدام SPIBA وMMS، سنكون قادرين على تقييم الجوانب الأخرى غير الحركية (الحسية) من PD المتعلقة بالصعوبات مع المدخلات الحسية من قنوات اللمس الحركي. وقد وجد أن هذه إشكالية في PD، حتى خلال المراحل المبكرة من اضطراب24. لأن الحسية والحركية تسير جنبا إلى جنب، وهذه المعلومات يمكن أن تساعدنا على التنبؤ بالقضايا الحركية أكثر وضوحا الظهور في وقت لاحق في تطور هذا الاضطراب1،7. نحن نفترض أن هذه القنوات الحركية على طول مناطق ثلاثية التوائم من الوجه قد تساعدنا أيضا على فصل أنواع مختلفة من خلل تنظيم الألم، بما في ذلك تلك المتعلقة بتعديلات النوم5،6.
توفر الأساليب الحالية طريقة جديدة لفحص الإشارات البيوفيزيائية التي يتم الحصول عليها من الجهاز العصبي المركزي والمحيطي واللاإرادي جنبا إلى جنب، في ظل ظروف مختلفة تتطلب مهارات معرفية مختلفة ومستويات مختلفة من الاستقلال الذاتي و السيطرة العصبية الحركية. وباستخدام إطار عمل “سبابا”، حيث تُطبَّق التحليلات العشوائية وتحليلات الشبكات الثنائية على بيانات رسائل الوسائط المتعددة الموحدة، من الممكن أيضاً توصيف الأنشطة المعرفية بصورة موضوعية. تتطلب المهام الخمسعشر التي استخدمت في هذه التجربة أنواعًا مختلفة من المهارات المعرفية (على سبيل المثال، المهارات الفيسوية – الإنشائية، والذاكرة البصرية، ومهارات المسح الإدراكي) ومستويات مختلفة من التحكم المعرفي (على سبيل المثال، سرعة الإشارة عمداً) السرعة ، ووتيرة معدل التنفس وفقا للتعليمات). ولهذا السبب، يمكن استخدام أنماط الاستسالاستاش والربط لانتقال معلومات الجهاز العصبي الوطني – PNS-ANS للإشارات البيوفيزيائية المعروضة خلال هذه المهام، لتوصيف مستويات مختلفة من الأحمال المعرفية وأثرها على خرج المحرك.
وبينما نشدد على مزايا أساليبنا وبروتوكولاتنا التحليلية الجديدة، نشير أيضا إلى المحاذير والقيود العملية التي ينبغي مراعاها عند اعتماد منصتنا للتسجيل من أجل جمع البيانات بشكل متزامن. ويرجع ذلك إلى أنه في هذا الإعداد، هناك أنواع متعددة من برامج التسجيل التي تتدفق على كمبيوتر واحد لأغراض المزامنة، مما يتطلب أن تكون الطاقة الحسابية للكمبيوتر عالية، وإلا يمكن للمرء أن يتكبد فقدان البيانات، وتجميد الكمبيوتر و/أو الزائدة الضوضاء. في التصميم الحالي، تم تشغيل برنامجين دفق (EEG، والتقاط الحركة) وLSL على جهاز كمبيوتر واحد. على هذا النحو، كان علينا أن نضع في اعتبارنا معالجة الزائد وتجميد الكمبيوتر ممكن. كان هذا أحد الأسباب التي جعلتنا نستخدم إحدى قنوات تخطيط كهربية الدماغ لاستخراج إشارات تخطيط القلب. قد تكون أجهزة الكمبيوتر ذات سعة الذاكرة الأعلى والمعالجات الأسرع قادرة على التعامل مع برنامج تخطيط كهربية القلب منفصل يتدفق في وقت واحد مع تخطيط كهربية الدماغ وشبكة أجهزة الاستشعار من الحركية. هذه القضايا عملية في طبيعتها ومستقلة عن الأساليب التحليلية (SPIBA) وأنواع البيانات القياسية (MMS) التي نقدمها. ومع ذلك، نعتقد أنه من المهم تنبيه المستخدم النهائي إلى الحاجة إلى تقييم الطاقة الحسابية قبل تصميم بروتوكول التسجيل المشترك للبيانات من تيارات متعددة.
وثمة تحذير آخر نشير إليه وهو أن المهام الخمس عشرة المبينة في البروتوكول هي مجموعة فرعية لما يمكن استخدامه لتطوير علامات حيوية رقمية دينامية. ولأغراض هذه الورقة، اقتصرنا على عدد قليل من المهام بسبب ضيق المساحة، واخترنا المهام التي تنطوي على مستويات مختلفة من السيطرة والحركة الجسدية، وفي الواقع يمكننا أن نضيف مهام أخرى غير مدرجة في هذه الورقة. وهدفنا هو استخلاص مجموعة فرعية أصغر من المهام التي تتطلب وقتا وجهدا أقل. في الواقع، من مختبرنا، مهام التأشير (المهام 10-12) هي مجموعة من المهام التي وجدنا أنها وسيلة فعالة وفعالة لتوصيف التواقيع العشوائية للنظم الحيوية المتنوعة حسب مستويات مختلفة من التحكم الطوعي والاضطرابات العصبية، بما في ذلك PD 24 , 30.
النتائج التمثيلية المبينة في هذه الدراسة هي مجموعة فرعية صغيرة من ما يمكن القيام به مع مجموعات البيانات MMS المستمدة من أشكال الموجة أجهزة الاستشعار الحيوي والتسمية التوضيحية للكاميرات الحركة، وذلك باستخدام أساليب SPIBA. لأغراض توضيحية، قمنا بفحص MMS في السعة وركزنا على التقلبات في السعة الخطية للسرعة المستمدة من COM للشخص. COM هو إشارة موجزة من جميع 17 شبكة أجهزة استشعار الجسم التي شاركنا في تسجيلها. ومع ذلك، يمكننا توسيع نطاق التحليلات لتشمل معلمات دورانية أخرى، وإلى متغيرات حركية أخرى (مثل القوى والضغط) التي تولد سلسلة زمنية من المعلمات المتقلبة (على سبيل المثال، كما فعلنا مع بيانات الوجه.) أيضا، بسبب ضيق المساحة، ونحن فقط توضيح تحليل البيانات EEG استنادا إلى معلومات اتساع فروة الرأس، ولكن يمكننا أيضا تطبيق هذه التحليلات على البيانات المستمدة من الفضاء المصدر31. لجميع وسائط البيانات، يمكننا أيضا دراسة استواستي من الأوقات بين القمم (بدلا من السعة الذروة)، والتي تولد أيضا سلسلة زمنية. ويمكن اشتقاق سلسلة زمنية أخرى من المعلمات من أشكال الموجات هذه، ويمكن استخدام رسائل الوسائط المتعددة الخاصة بها للتأكد من التماسك والاتصال من الشبكة التي تم بناؤها32و33و34. وعلاوة على ذلك، يمكن أيضا توسيع نطاق هذه التحليلات لتشمل مجال التردد34. بالإضافة إلى تحليل شبكة المعلومات المتبادلة، كان بإمكاننا التركيز على السمات الطبوغرافية الأخرى للشبكة للتمييز بين PWP والضوابط وتقسيم PWP. ولأغراض هذه الورقة، نركز على فائدة هذه التحليلات كأداة، ولكن من خلال هذا النوع من التوصيف، سوف نحصل على المعرفة لتوفير تفسيرات مستنيرة سريرياً للبيانات الرقمية التي توفرها هذه الأدوات التحليلية.
الأساليب الحالية الموصوفة في هذه الدراسة تعمل على إدخال بعض الطرق الممكنة العديدة التي يمكن تطبيقها SPIBA وMMS على تكامل البيانات السريرية والرقمية. نحن نقدم هذه المنصة الموحدة، ونوع البيانات الموحدة والبروتوكول التجريبي على أمل أن تبلغ أخيرا البيانات الرقمية من المعايير السريرية، وبالمثل إضافة المزيد من الدقة من البيانات الرقمية إلى الأساليب التقليدية قلم رصاص والورق. هذا التحسن سوف 1) تمكين تتبع أكثر دقة من تغيير الأعراض استجابة للعلاج، 2) تعزيز فهم تطور PD الطبيعية مع مرور الوقت، و 3) تسهيل الطبقية من عرض أعراض PD (التي قد تملي السريرية فريدة من نوعها توصيات لكل مجموعة فرعية). على هذا النحو، ونحن نأمل في تطبيق هذه الأساليب لمزيد من البحوث في PD، ولكن أيضا نرى فائدة في التطبيق السريري كذلك. باستخدام أجهزة من الدرجة التجارية مثل الهواتف المحمولة، يمكن الحصول على البيانات البيوفيزيائية لإجراء التحليلات التي أوضحناها في هذه الورقة. حاليا، هناك جهود في جمع مثل هذه البيانات الرقمية على نطاق أوسع مثل دراسة التطبيق mPower من جامعة روتشستر (https://parkinsonmpower.org) وكاغل. في الواقع، باستخدام هذه المستودعات البيانات مفتوحة الوصول، كنا قادرين على تقسيم PD والأفراد الشيخوخة العادية من بيانات التسارع التي تم الحصول عليها من الهواتف النقالة، وتصنيف تلقائيا الأنشطة التي هي جزءا لا يتجزأ من الاختبارات السريرية المعروضة هنا 35.
وكخطوة تالية، نهدف إلى جمع المزيد من البيانات من مجموعة أوسع من سكان برنامج العمل من أجل الحماية والمشاركين في الرقابة المتطابقة وتسجيلها في نقاط زمنية مختلفة حتى نتمكن من إجراء تحليل شامل للأقسام وطولي باستخدام أساليبنا. ونحن نتوقع مثل هذه البيانات الرقمية التي تم جمعها من شأنهأن تقدم أكثر بكثير من مجموع أجزائها، وتحقيق حقا مبادئ الطب الدقيق في علم الأعصاب والطب النفسي.
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
يتم تمويل هذا البحث جزئيا من قبل معهد Rutgers ديسكفري المعلوماتية إلى JR، وجامعة روتجرز TechAdvance الأموال إلى EBT وJV، ومجلس حاكم ولاية نيو جيرسي لبحوث وعلاج التوحد إلى EBT ومؤسسة مايكل J فوكس إلى RD.
Materials
| Enobio 32 | NE Neuroelectrics | NE006WF | wearable, wireless electrophysiology sensor system for the recording of EEG. |
| Inking Pen | Wacom | KP1302 | tablet pen |
| Intuos Pro | Wacom | PTH451 | pen tablet |
| Lab Stream Layer System | n/a | n/a | open source software to synchronize different devices |
| Microphone | Zaffiro | B07BDFP6XC | computer microphone |
| MovAlyzeR | Neuroscript | Version 6.1.0.0. | pen movement caption software |
| MTw Awinda wireless motion tracker | Xsens | MTw Awinda | motion capture system |
| MVN Analyze | Xsens | Version 2019 | motion-tracking software |
| NIC 2.0 | NE Neuroelectrics | NE001SW2 | Neuroelectrics Instrument Controller (NIC) EEG streaming software |
| OpenPose | n/a | n/a | open source machine learning software to extract facial information |
Riferimenti
- Hawgood, S., Hook-Barnard, I. G., O’Brien, T. C., Yamamoto, K. R. Precision medicine: Beyond the inflection point. Science Translational Medicine. 7 (300), 300ps317 (2015).
- Torres, E. B., Whyatt, C. . Autism: The Movement Sensing Perspective. , (2018).
- Torres, E. B., et al. Toward Precision Psychiatry: Statistical Platform for the Personalized Characterization of Natural Behaviors. Frontiers in Neurology. 7, 8 (2016).
- Espay, A. J., et al. Technology in Parkinson’s disease: Challenges and opportunities. Movement Disorders. 31 (9), 1272-1282 (2016).
- Ponsen, M. M., Stoffers, D., Wolters, E. C., Booij, J., Berendse, H. W. Olfactory testing combined with dopamine transporter imaging as a method to detect prodromal Parkinson’s disease. Journal of Neurology, Neurosurgery & Psychiatry. 81 (4), 396-399 (2010).
- Ponsen, M. M., et al. Idiopathic hyposmia as a preclinical sign of Parkinson’s disease. Annals of Neurology: Official Journal of the American Neurological Association and the Child Neurology Society. 56 (2), 173-181 (2004).
- Oudre, L., Jakubowicz, J., Bianchi, P., Simon, C. Classification of periodic activities using the Wasserstein distance. IEEE Transactions on Biomedical Engineering. 59 (6), 1610-1619 (2012).
- Derkinderen, P., et al. Parkinson disease: the enteric nervous system spills its guts. Neurology. 77 (19), 1761-1767 (2011).
- Roetenberg, D., Luinge, H., Slycke, P. Xsens MVN: Full 6DOF human motion tracking using miniature inertial sensors. Xsens Motion Technologies BV, Tech. Rep. 1, (2009).
- Possin, K. L., Laluz, V. R., Alcantar, O. Z., Miller, B. L., Kramer, J. H. Distinct neuroanatomical substrates and cognitive mechanisms of figure copy performance in Alzheimer’s disease and behavioral variant frontotemporal dementia. Neuropsychologia. 49 (1), 43-48 (2011).
- Army, U. Army individual test battery. Manual of Directions and Scoring. , (1944).
- Nasreddine, Z. S., et al. The Montreal Cognitive Assessment, MoCA: a brief screening tool for mild cognitive impairment. Journal of the American Geriatrics Society. 53 (4), 695-699 (2005).
- Beekly, D. L., et al. The National Alzheimer’s Coordinating Center (NACC) database: the uniform data set. Alzheimer Disease & Associated Disorders. 21 (3), 249-258 (2007).
- Torres, E. B. . Objective Biometric Methods for the Diagnosis and Treatment of Nervous System Disorders. , (2018).
- Ryu, J., Torres, E. B. . Fourth International Symposium on Movement and Computing, MOCO’17. , 1-8 (2017).
- Torres, E. B., Donnellan, A. M. . Autism: The movement perspective. , (2015).
- Torres, E. B., Vero, J., Rai, R. Statistical Platform for Individualized Behavioral Analyses Using Biophysical Micro-Movement Spikes. Sensors (Basel). 18 (4), (2018).
- Torres, E. B., Denisova, K. Motor noise is rich signal in autism research and pharmacological treatments. Scientific Reports. 6, (2016).
- Shannon, C. A mathematical theory of communication. Bell System Technical Journal. 27, 379-423 (1948).
- Silverstein, S. M., Wibral, M., Phillips, W. A. Implications of information theory for computational modeling of schizophrenia. Computational Psychiatry. 1, 82-101 (2017).
- Jeong, J., Gore, J. C., Peterson, B. S. Mutual information analysis of the EEG in patients with Alzheimer’s disease. Clinical Neurophysiology. 112 (5), 827-835 (2001).
- Torres, E. B., et al. Autism: the micro-movement perspective. Frontiers in Integrative Neuroscience. 7, 32 (2013).
- Von Holst, E., Mittelstaedt, H., Dodwell, P. C. . Perceptual Processing: Stimulus equivalence and pattern recognition. , 41-72 (1950).
- Torres, E. B., Cole, J., Poizner, H. Motor output variability, deafferentation, and putative deficits in kinesthetic reafference in Parkinson’s disease. Frontiers in Human Neuroscience. 8, 823 (2014).
- Yanovich, P., Isenhower, R. W., Sage, J., Torres, E. B. Spatial-orientation priming impedes rather than facilitates the spontaneous control of hand-retraction speeds in patients with Parkinson’s disease. PLoS One. 8 (7), e66757 (2013).
- Torres, E. B. The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson’s disease. Frontiers in Integrative Neuroscience. 7, 50 (2013).
- Torres, E. B., Heilman, K. M., Poizner, H. Impaired endogenously evoked automated reaching in Parkinson’s disease. Journal of Neuroscience. 31 (49), 17848-17863 (2011).
- Nguyen, J., Majmudar, U., Papathomas, T. V., Silverstein, S. M., Torres, E. B. Schizophrenia: The micro-movements perspective. Neuropsychologia. 85, 310-326 (2016).
- Torres, E. B. Atypical signatures of motor variability found in an individual with ASD. Neurocase. 19 (2), 150-165 (2013).
- Torres, E. B. Signatures of movement variability anticipate hand speed according to levels of intent. Behavioral Brain Functions. 9, 10 (2013).
- Lai, M., Demuru, M., Hillebrand, A., Fraschini, M. A comparison between scalp-and source-reconstructed EEG networks. Scientific Reports. 8 (1), 12269 (2018).
- Sporns, O. . Networks of the Brain. , (2010).
- Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
- Kalampratsidou, V., Torres, E. B. Peripheral Network Connectivity Analyses for the Real-Time Tracking of Coupled Bodies in Motion. Sensors (Basel). 18 (9), 3117 (2018).
- Torres, E. The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson’s disease. Frontiers in Integrative Neuroscience. 7 (50), (2013).
