פרוטוקול זה מציע דיגיטציה של חלקים של משימות קליניות מסורתיות המשמשות בדרך כלל למדידת קוגניציה ושליטה מוטורית במחלת פרקינסון. משימות קליניות הם סרוקים בעוד מקצבים ביופיזיים הם שותפים רשומים רמות פונקציונליות שונות של מערכות העצבים, החל מרצון, ספונטני, אוטומטי לאוטונומית.
כמו מחלת פרקינסון (PD) היא הפרעה הטרוגנית, התרופה אישית היא הכרחית באמת כדי לייעל את הטיפול. בצורתם הנוכחית, ציונים סטנדרטיים מתוך הסימפטום נייר ועיפרון-אמצעים המשמשים באופן מסורתי כדי לעקוב אחר התקדמות המחלה הם גסים מדי (דיסקרטית) כדי ללכוד את הצפיפות של התופעות הקליניות תחת שיקול, בפני סימפטום עצום גיוון. מסיבה זו, חיישנים, ללבוש, ומכשירים ניידים משולבים יותר ויותר לתוך מחקר PD וטיפול שגרתי. מדדים דיגיטליים אלה, בעוד מדויקים יותר, מפיקות נתונים שאינם סטנדרטיים ומתותרגם פחות מאשר האמצעים המסורתיים, וכתוצאה מכך, שני סוגי הנתונים נותרים במידה רבה. שתי הסוגיות הללו מציגות מחסומים ליישום הקליני הרחב של כלי ההערכה המדויקים ביותר בתחום. פרוטוקול זה מטפל בשתי הבעיות. באמצעות משימות מסורתיות כדי למדוד קוגניציה ושליטה מוטורית, אנו בודקים את המשתתף, תוך שיתוף הרישום של אותות ביופיזיים בלתי מורגש באמצעות ללבוש. לאחר מכן נשלב את התוצאות משיטות הנייר והעיפרון המסורתיות עם הנתונים הדיגיטליים שאנו רושמים ללא הרף. אנו מציעים סוג חדש של נתונים סטנדרטיים המאחד פלטפורמה סטטיסטית המאפשרת מעקב דינמי של שינוי בחתימות סטוכסטיים של האדם בתנאים שונים כי בדיקה רמות פונקציונליות שונות של שליטה מניע עצבי, החל התנדבותי לאוטונומיות. הפרוטוקול ומסגרת סטטיסטית סטנדרטית להציע סמנים דיגיטליים דינמיים של תפקוד פיסי וקוגניטיבי ב PD המתאימים קשקשים קליניים מאומת, תוך שיפור משמעותי הדיוק שלהם.
הרפואה המדויקת (באיור 1) התפתחה כפלטפורמה רבת עוצמה לפיתוח טיפולים ממוקדים ומותאמים אישית. בתחום מחקר הסרטן, מודל זה כבר מוצלח מאוד העיקרים שלה מחויבים לחולל מהפכה בתחום הרפואי בעתיד הקרוב1. PM משלבת שכבות מרובות של ידע, החל דוחות העצמי של המטופלים כדי גנומיקה. שילוב מידע בכל הרבדים הללו מביא להערכה אישית המאפשרת פרשנות של הנתונים והמלצות טיפול מדויקות יותר המכוונות להתחשב בכל ההיבטים של חיי האדם.
ישנם מספר אתגרים כאשר מנסים להתאים את פלטפורמת PM להפרעות נפשיות ונוירולוגיות של מערכות העצבים2,3, ואתגרים אלה לאחרונה נשמעו4. בין אלה הם הפער בנתונים הנרכשים, כלומר ציונים בדידים מתוך שיטות העיפרון והנייר הקליני מונחה על ידי התבוננות, ונתונים ביופיזיים רציפה שנרכשו באופן פיזי מתוך פלט מערכות העצבים (למשל, באמצעות הביוחיישנים). הנתונים מציונים קליניים נוטים להניח בגודל אחד-מתאים לכל מודל סטטי האוכף פונקציית התפלגות אחת (תיאורטית) של הסתברות (PDF). הנחה זו מטילה על הנתונים ללא האימות האמפירי המתאים, משום שהנתונים הנורמטיביים לא נרכשו והואפיינו מלכתחילה. בתור שכזה, לא קיימים מאפיינים מתאימים של דמיון-מטרי המתארים את המדינות הנוירוסטיות של מערכות העצבים האנושיות, כאשר האדם הבריא משתנה ומרווחי ההסתברות המשמשים להטיל שינוי וריאציות פרמטרים אלה בקצב מסוים. ללא נתונים נורמטיביים ומדדי דמיון נאות, לא ניתן למדוד יציאות ממדינות טיפוסיות כשהן משתנות באופן דינמי לאורך חיי האדם. כמו כן, לא ניתן לנבא את ההשלכות התחושתיות של השינויים הקרבים.
איור 1: פלטפורמת הרפואה המדויקת: מילוי הפער בין התנהגויות לגנומיקה כדי לאפשר פיתוח טיפול ממוקד ברפואה אישית המתורגמת להפרעות נוירולוגיות ופסיכיאטריות של מערכות העצבים. פלטפורמת הרפואה המדויקת לפיתוח טיפולים ממוקדים מותאמים אישית יכולה להיות מתורגמת לאבחון וטיפול בהפרעות נוירולוגיות ופסיכיאטריות של מערכות העצבים. עם זאת, ברשת הידע, השכבה של ניתוחים התנהגותיים צריך שינוי פרדיגמה לשלב תוצאות דיגיטליות חדשות המתעוררים מנתונים ביופיזיים עם קריטריונים קליניים מסורתיים יותר. האתגר מראש הוא לספק שיטות קול מבחינה סטטיסטית וכלים חדשים הדמיה אינטואיטיבית עבור שילוב כזה, תוך עידוד השימוש באמצעים התוצאה הדיגיטלית על ידי מטפלים, חולים ומטפלים. דמות זו השתנתה מן Hawgood ואח ‘1 עם אישור האגודה האמריקנית לקידום המדע. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
הגישה הנוכחית “grand בממוצע” מחליקה החוצה כרעש של תנודות סטוכסטיים של האינדיבידואל בנתונים, כלומר, שינויים באות המתבטאת כאדם בגיל טבעי, כפי שההפרעה מתקדמת, וכמערכות העצבים של האדם לקבל ולהגיב לטיפולים. חוסר הנתונים הנורמטיביים (כלומר, הערכת החתך הרוחב הגדול וחלקי האורך של האוכלוסיה הבריאה) מונעים מאיתנו להבין את הדינמיקה הנוירוטיפוסית של הזדקנות בריאה. ככזה, זה הופך אתגר לדעת כיצד לצפות בדרך כלל באופן כללי יותר את ההשלכות של מחלה נתונה, כפי הפתולוגיה מתחיל מניפסט מערכתית בפרט. גישות ניבוי הן קריטיות לעיצוב טיפולים רגנרטיבית ו/או טיפולים נוירוגינים כי להאט את תהליך הניווניות. מחלת פרקינסון היא דוגמה טובה של הפתווגיות לפיה הביטויים של ההפרעה לפניהם סימפטומים רבים אחרים מדידה. אנו יודעים היום כי הפרעות מוטוריות גלוי לפני היו בעיות חישה פחות גלוי כגון פונקציה ריח מופחת5,6, שינויים דפוסי דיבור, העין תנועה מהירה (REM) לישון7, ושאר מנועי סימפטומים הקשורים לתפקוד מערכות העצבים המעית8. עד ההפרעה מתבטא, יש כבר מחסור בדואמינרגיים גבוה במערכת; עדיין סימפטומים שאינם מוטוריים יכול להיות תחזית כמה ליקויים מוטוריים גלויים, שבו ההפרעה מוערך כעת בעיקר.
יש צורך לשנות את המודלים האנליטיים הנוכחיים ולשקול את החשיבות של האפיון של נתונים אמפיריים בכל הרמות של מערכות העצבים, לפיו מניפסט biorhythmic תנועות וניתן לרתום באופן דינאמי בצורת סדרת זמן שותף לרישום עם ריבוי של חיישנים. נתוני תנועה במובן הכללי יותר שלה לא צריך להיות מוגבל תנועות והפרעות שהם משדרים. נתונים דיגיטליים מכל הביוחימות של מערכות העצבים (כולל צורות גל שאינן תנועה) מציעות את פוטנציאל החיזוי שאנו עשויים לעזור למנוע או להאט את הניוון העצבי המהיר. עם זאת, כאשר אנו מחזק את הרפרטואר שלנו של סוגי הנתונים, עלינו להימנע מהנחה הטבועה של דגמים ליניאריים פרמטרית לצורך מסקנה סטטיסטית ופרשנות הנמצאים כעת בשימוש כדי לנתח נתונים כאלה. זה יהיה קריטי להעריך את הלימות של מודלים ליניאריים כגון סוגים של בעיות בלתי לינאריות מאוד, כי אנו לומדים הפתווגיות מערכות העצבים בכפוף למשמרות סטוכסטיים ושינויים דינמיות. האזהרות בהנחה הנוכחית-לולאות צינור לניתוח נמצאים בשני סוגי הנתונים להיות רתום: אלה מן התוצאות הקליניות הדיסקרטית ואלה מתוך צורות גל ביופיזי דיגיטלי רציף. בעוד הם נשארים מנותקים, זה יהיה חשוב לעצב מסגרות חדשות המאפשרות שילוב נאות של שני סוגי הנתונים בדרכים ליישר תוצאות דיגיטליות עם קריטריונים קליניים כדי להקל על השימוש של טכנולוגיות דיגיטליות המתעוררים על ידי מטופלים, מטפלים ורופאים.
כדי להתגבר על חלק מהאתגרים הללו, התאמתי לאחרונה את פלטפורמת ה-PM באיור 1 כדי לספק פנוטיפים מדויקים למצבים נוירולוגיים ופסיכיאטריים3. לשם כך, עיצבנו דרך חדשה כדי לאסוף, לנתח ולפרש נתונים התנהגותיים במקביל עם בדיקות הבקיע קליני מסורתיות לברר יחסים מורכבים בין תופעות קוגניטיביות ומוטוריות. ליתר דיוק, הצלחנו לאשר. את שיטות העיפרון והנייר הנתונים משיטות כאלה לבד הם הרבה יותר מדי גס כדי ללכוד מידע חשוב לברוח העין בעירום. אבל השימוש שלהם בשילוב עם נתונים דיגיטליים מחיישנים ביופיזיים מציע שדרה חדשה כדי לחבר טכנולוגיות חדשות המתעוררים חדשים עם קריטריונים קליניים מומלץ לעודד רופאים לאמץ אותם בעתיד הקרוב.
כאן, אנו מציגים את השימוש בנתונים דיגיטליים בהקשר של הערכות קליניות. כלומר, כפי שהאדם מבצע את המשימה הקלינית, למשל, ציור שעון במבחן הקוגניטיבי של מונטריאול (MoCA) מבחן, פלט הביותמים על ידי מערכות העצבים הם שיתוף רשום על פני שכבות פונקציונלי שונים. אלה כוללים אלקטרונצגרפיה (EEG), אלקטרוקרדיוגרפיה (אק ג), דפוסי קול וקינמטיקה מהגוף, והתפוקה הקנטית מהעט המוחזק ביד שהאדם משתמש בו כדי למשוך את השעון על לוח דיגיטלי. אנו גם לאסוף נתוני וידאו מן הפנים כמו האדם מושך, כדי לבצע מנתח רגשות ניבוי של מצבים רגשיים. נתונים אלה נותחו לאחר מכן באמצעות האופטיקה של פלטפורמה סטטיסטית חדשה עבור ניתוח התנהגותי מחודש (SPIBA) ומפורש על פי הקריטריונים הקליניים הבסיסיים בדיקות כאלה. באופן ספציפי יותר, הציונים הנפרדים משמשים לדרגת חציון-דרגה של מטופלים ובדרך זו, באמצעות הקבוצה המבוססת על הקריטריונים הקליניים. לאחר מכן נוכל לבחון את הנתונים הביופיסיים המתמשכים של הקבוצות ובכך זוהו, בחיפוש אחר קריטריונים מונחי-מוטיבציה מוכווני באופן מהותי המפריד בין מערכת משנה אחת לחולים ממשנהו, על פני יותר מממד פרמטרי אחד. יתר על כן, על ידי בחינת נתונים ביופיזיים רציפה בזכות עצמה, על פי התנודות הטמונות של כל אדם בתוך הקבוצה ועיוור מן הקריטריונים הקליניים, אנחנו יכולים לחפש אשכולות המתעוררים עצמית בתוך הקבוצה, ולהשוות את ה היקף שאליו ממפה אשכולות כאלה על אלה שסוגי המשנה שקיבלו הקריטריונים הקליניים התגלו.
גישה זו מציעה דרך חדשה כדי לזהות פרמטרים בתוך העושר של נתונים דיגיטליים ביופיזיים, כי בדרך היעילה ביותר ללכוד את ההבדלים בין תת ומעבד את ההבדלים האלה כמו מועמדים טובים לחולים stratify עם פרקינסון מחלה (PWP) בעיוורים, כלומר, לאורך משיכה אקראית מהאוכלוסייה הכללית. הרלוונטיות של שיטה זו היא כפולה. אנו יכולים באמת להתאים אישית את הטיפולים, תוך שילוב תקין של סוגי נתונים שונים מחיישנים ביולוגיים וקריטריונים קליניים; i.e., נתונים רציפים ביופיזיים דיגיטליים בצורה של סדרת זמן, וציונים קליניים נפרדים ממבחנים המסורתיים.
למרות זאת היא גישה כללית, החלים על כל ההפרעות של מערכות העצבים, אנו מסגרות את העבודה בתוך ההקשר של PWP ולהציע דרכים חדשות לבצע מסקנות סטטיסטיות על הנתונים הדיגיטליים רציפה שיתוף הרשומה במהלך הביצועים של כזה ניסויים קליניים בהתחשב במערכת הניקוד הקליני דיסקרטית. ככזה, העבודה מאפשרת פרשנות קלינית של התוצאות הדיגיטליות הקלה לשימוש בהגדרות הקליניות. לבסוף, אנו מספקים המלצות כדי להתחיל בעיצוב דרכים חדשות כדי להמחיש תוצאות בודדות כגון להטביע אפליקציות חדשות לנוחות השימוש בבית והגדרות קליניות על ידי המטופלים, המטפלים והעובדים הקליניים כאחד.
עבודה זו מציגה פרוטוקול חדש המאפשר שילוב של בדיקות קליניות מסורתיות עם נתונים דיגיטליים מתוך ביופיזיקלי אותות פלט על ידי מערכות העצבים כמו האדם מבצע בדיקות כאלה. אנו מציגים את השימוש ב-SPIBA ו-MMS כפלטפורמה מאחדת כדי לשלב סוגים שונים של נתונים כגון ציונים בדידים מתוך שיטות התצפית עיפרון ו-נייר נתונים דיגיטליים רציפה מחיישנים ביופיזיים. השיטות מומחשות באמצעות הקבוצה של PWP ו-and-ומין שולטת המין המתאים, עם שליטה צעירה נוספת כהתייחסות בריאה אידיאלי להשוואה. אנו מראים כי בדיקות קליניות מסורתיות (למשל, אלה שיכולים להיות חלק MoCA ו-MDS-UPDRS ד) ניתן להשתמש לדרג החציוני את הקבוצה ולחלץ באופן אוטומטי, מתוך השונות הטבועה של הציונים של החבורה, מידע המשמש את הנתונים הדיגיטליים תחום לפי רמות החומרה המוגדרות קלינית. רמות כאלה ליישר היטב עם רמות של רופאים קליניים-UPDRS ואת הביצועים הקוגניטיבית/בדיקת זיכרון. ברובד אחר של יישום אחר כך נבחן את הביותמים של מערכות העצבים השולטות ממערכת ה-CN, מהיקפית ומשכבות ה-ANS, ובכך מאפיון רמות שונות של אוטונומיה ושליטה. אנו מספקים נתונים לדוגמה וחתימות סטוכסטיים הנגזרות מנתונים כאלה, נבדק באמצעות האופטיקה של הקריטריונים הקליניים. תחת גישה כזו, אנו יכולים להבדיל בין המטופלים מפני בקרים בריאים; ובאמצעות הביותמים דיגיטלי, להבדיל בתוך PWP, על רמות קליניות מוגדרות שלהם של חומרה.
על ידי יישור נתונים דיגיטליים ביופיזיים עם הקריטריונים הקליניים בדרך זו, אנו מספקים ערכת הטבלה מתרגם של קריטריונים שיכולים יותר דינמי לעקוב אחר משמרות מסוימות בתוצאות. אנו מטבעות אלה התוצאה החדשה מודד דינמי בסמנים דיגיטליים, כי הם מבוססים על נתונים דיגיטליים, אך הם מספקים תוצאות בטבלה מתרגם על פי קריטריונים קליניים מבוסס ומאומת. הם נגזרים מסידרת הזמן של תהליכי מערכת העצבים, והם תופסים את האופי הדינמי של כאלה. בפרט, אנו מסוגלים להשתמש בקריטריונים מוטוריים ושאינם מוטוריים. ככזה, אנחנו יכולים להתחיל לכמת את ההיבטים הלא מוטוריים של PD, כי הם ידועים כיום לפני הידרדרות של הסימפטומים המוטוריים כי מקובל הגדיר את ההפרעה עד כה. לדוגמה, ניתוחי פנים כגון אלה המוצגים כאן יכולים לשמש לבדיקת מחוות מיקרו פנים ספונטניות במהלך שינה REM כדי לבנות רפרטואר של אלה אשר יכול לחזות את הידרדרות הפעילות המוטורית. כמו כן, אנחנו יכולים להשתמש בשיטות אלה כדי לבחון רמות של כאב במהלך הפעילות היומית ולהעריך את הפוטנציאל שלהם התואם פעילויות במהלך זמן שינה REM. זה חשוב, בגלל שניהם REM שינה וכאב התקנה ידועים לפני בעיות מוטוריות מאוחר יותר הגדרת רמת החומרה של המשטרה5,6,7. באמצעות הדיגיטציה שלנו של המשימות הקליניות המסורתיות שונים, פעילויות אחרות שאינן מוטוריות מוטבע במשימות הקליניות המשמשות לחקר יכולות קוגניטיביות והזיכרון האופיינים כאן, ואינדקסים של פעילויות כאלה ממופה לסימפטומים מוטוריים. שיטות אלה הן מומלצות לחיבור מחקר בסיסי ושיטות קליניות במחלת פרקינסון. הם יכולים גם להיות מורחבים להפרעות אחרות של מערכות העצבים.
מלבד פלט מנוע מן הפנים, במהלך שינה REM, אנו יכולים לבחון את מחוות הפנים במהלך מצבים חברתיים טבעיים בתוך מסגרת של חישה עצמית או הכנס מחדש כדי לאמוד את רמות המשוב מחדש את המוח של המטופל ככל הנראה מקבל. כאן, למרות ההבדלים העדינים מאוד מיקרו מחוות על פני הפנים באזורים המתאימים המשולש כלי לימפה V1, V2, V3, זה היה אפשרי לאתר את המשתתף נציג, איזה אזור של הפנים מאוד העביר את ה חתימות סטוכסטיים כאשר מעבר בין מדינות נייטרליות ומחייכות באופן טבעי. זה מרמז כי באמצעות SPIBA ו-MMS, נוכל להעריך היבטים אחרים שאינם מוטוריים (חושי) של PD הקשורים לקשיים עם קלט חושי מערוצי המגע התנועתית. אלה נמצאו בעייתי במשטרה, גם בשלבים המוקדמים של ההפרעה24. מכיוון חושי ומנוע ללכת יד ביד, מידע זה יכול לעזור לנו תחזית ברורים יותר בעיות מוטוריות החוצה בהמשך התקדמות הפרעה זו1,7. אנו ורכבותן כי אלה הערוצים קינאסטטית לאורך האזורים המשולש של הפנים עשוי גם לעזור לנו לנתק סוגים שונים של חוסר תקנה כאב, כולל אלה הקשורים שינויים בשינה5,6.
השיטות הנוכחיות מספקות דרך חדשה לבחון את האותות הביופיזיים שהושגו ממערכות העצבים המרכזיות, היקפיים והאוטונומית במשולב, בתנאים שונים הדורשים כישורים קוגניטיביים שונים ורמות שונות של אוטונומיה ו . שליטה על העצבים באמצעות מסגרת SPIBA, שבו ניתוחים סטוכסטיים וניתוחי רשת מבחינת זוגות מוחלים על נתוני MMS הסטנדרטיים, ניתן גם לאפיין באופן אובייקטיבי פעילויות קוגניטיביות. חמש עשרה המשימות ששימשו בניסוי זה דורשות סוגים שונים של מיומנויות קוגניטיביות (לדוגמה, מיומנויות ויזואליות, זיכרון חזותי, מיומנויות סריקה תפיסתי) ורמות שונות של שליטה קוגניטיבית (למשל, קצב מכוון הצבעה מהירות, קצב הנשימות כפי שהורו לך). מסיבה זו, דפוסי החיבור והקישוריות של שידור המידע של ה-CN-היקפית-ANS של אותות ביופיזיים שהוצגו במהלך משימות אלה, יכולים לשמש לאפיון רמות שונות של עומסים קוגניטיביים והשפעתם על התפוקה המוטורית.
בעוד אנו מדגישים את היתרונות של השיטות והפרוטוקולים האנליטיים החדשים שלנו, אנו מצביעים גם על אזהרות ומגבלות מעשיות שצריכות להיחשב כאשר מאמצים את פלטפורמת ההקלטה שלנו לאיסוף נתונים סינכרוני. הסיבה לכך היא שבהגדרה זו, קיימים סוגי תוכנות הקלטה מרובים הזורמים במחשב יחיד למטרות סינכרון, המחייב את הכוח החישובית של המחשב להיות גבוה, או שאדם אחר עלול לגרום לאובדן נתונים, להקפאה ו/או לעודף של מחשב רעש. בתכנון הנוכחי, שתי תוכנות זרימה (EEG, ולכידת תנועה) ו-LSL היו מופעל על מחשב אחד. ככזה, היינו צריכים להיות מודעים לעיבוד עומס יתר ואפשרי להקפיא את המחשב. זו הייתה אחת הסיבות מדוע השתמשנו באחד מערוצי ה-EEG כדי לחלץ את אותות ה-אק ג. מחשבים בעלי קיבולת זיכרון גבוהה יותר ומעבדים מהירים יותר עשויים להיות מסוגלים לטפל בתוכנת א-א נפרדת בו בזרימה עם רשת ה-EEG והחיישן של הקינמטיקה. סוגיות אלה מעשיות בטבע ואינן תלויות בשיטות האנליטיות (SPIBA) ובסוגי הנתונים הסטנדרטיים (MMS) שאנו מציעים. עם זאת, אנו מאמינים שחשוב להתריע בפני משתמש הקצה של הצורך להעריך את העוצמה החישובית לפני שתעצב את הפרוטוקול לרישום נתונים ממספר זרמים.
עוד אזהרה אנו מצביעים על כך, 15 משימות מומחשות בפרוטוקול הם תת-ערכה של מה ניתן להשתמש כדי לפתח סמנים דיגיטליים דינמיים. לצורך מאמר זה, אנו מוגבלים לכמה משימות עקב אילוץ החלל, ובחרה את אלה שמעורבים ברמות שונות של שליטה ותנועה גופנית, ואכן אנו יכולים להוסיף משימות אחרות שאינן נכללות בנייר זה. המטרה שלנו היא להפיק מערכת משנה קטנה יותר של משימות שידרשו פחות זמן ומאמץ. למעשה, מהמעבדה שלנו, משימות הצבעה (משימות 10-12) הן קבוצה של משימות שמצאנו כדרך יעילה ויעילה לאפיון החתימות הסטוכסטיים של הביותמים מגוונות על-ידי רמות שונות של בקרת רצון והפרעות נוירולוגיות, כולל PD בת 24 , . בסדר, 30
התוצאות הנציג המוצג במחקר זה הם תת-קבוצה קטנה של מה ניתן לעשות עם מערכות MMS הנתונים נגזר באמצעות צורות גל ביולוגי וכיתוב תנועה של מצלמות, באמצעות שיטות SPIBA. להמחשה, בדקנו את משרעת ה-MMS והתמקדו בתנודות בשרעת המהירות הליניארית הנגזרת מהקשר של האדם. ה-COM הוא אות סיכום מכל 17. חיישני הגוף שאנו רשומים במשותף עם זאת, יכולנו להרחיב את הניתוחים לפרמטרים אחרים בסיבוב, ולמשתנים קינטית אחרים (למשל, כוחות ולחץ) היוצרים סדרת זמן של פרמטרים יציבים (למשל, כפי שעשינו עם הנתונים בפנים.) כמו כן, בשל אילוץ בחלל, אנו רק לאייר ניתוח של נתוני EEG המבוסס על מידע משרעת הקרקפת שלה, אבל אנחנו יכולים גם להחיל ניתוחים אלה על נתונים הנגזרים מהשטח המקור31. עבור כל מצבי הנתונים, אנו יכולים גם לבחון את הסטוסטיים של הזמנים בין הפסגות (במקום משרעת שיא), היוצרים גם סדרת זמן. סדרות זמן אחרות של פרמטרים יכול להיות נגזר מצורות גל כאלה, ו-MMS שלהם ניתן להשתמש כדי לוודא לכידות וקישוריות מהרשת שנבנתה32,33,34. יתר על כן, מנתח אלה ניתן גם להאריך את התדר34התחום. בנוסף לניתוח רשת המידע ההדדי, יכולנו להתמקד בתכונות טופולוגי אחרות של הרשת כדי להבדיל PWP ובקרות כדי PWP. לצורך המאמר, אנו מתמקדים בשימושיות של ניתוח זה ככלי, אך באמצעות סוג זה של אפיון, אנו נרוויח ידע כדי לספק פרשנויות קליניות מידע של הנתונים הדיגיטליים כי אלה כלים אנליטיים לספק.
השיטות הנוכחיות המתוארות במחקר זה לשמש להציג כמה דרכים אפשריות רבות כי SPIBA ו-MMS ניתן להחיל על שילוב נתונים קליניים ודיגיטליים. אנו מציעים פלטפורמה מאחדת זו, סוג נתונים מתוקננת ופרוטוקול ניסיוני בתקווה ליידע בסופו של דבר נתונים דיגיטליים של קריטריונים קליניים, וכמו כן להוסיף יותר דיוק מהנתונים הדיגיטליים לשיטות המסורתיות של עיפרון ונייר. שיפור כזה יהיה 1) לאפשר מעקב מדויק יותר של שינוי סימפטום בתגובה לטיפול, 2) לשפר את ההבנה של התקדמות המשטרה הטבעית לאורך זמן, ו 3) להקל על ריבוד של מצגת סימפטום של PD (אשר עשוי להכתיב קליני ייחודי המלצות לכל תת קבוצה). ככאלה, אנו מקווים ליישם שיטות אלה למחקר נוסף במשטרה, אלא גם לראות את התועלת ביישום קליני. באמצעות מכשירים מסחריים כגון טלפונים ניידים, ניתן להשיג נתונים ביופיזיים כדי לבצע את הניתוח שאנו מומחש בנייר זה. כיום, יש מאמצים איסוף נתונים דיגיטליים כאלה בקנה מידה גדול יותר כגון מחקר האפליקציה mPower מאוניברסיטת רוצ’סטר (https://parkinsonmpower.org) ו קאנגל. אכן, שימוש אלה מאגרי נתונים פתוחים לגישה, היינו מסוגלים משטרת stratify ואנשים ההזדקנות נורמלי מנתוני תאוצה שהתקבלו מטלפונים ניידים, ו כדי לסווג באופן אוטומטי פעילויות המוטבעות במבחנים הקליניים המוצגים כאן 35.
בשלב הבא, אנו שואפים לאסוף יותר נתונים ממגוון רחב יותר של אוכלוסיית PWP ומשתתפי השליטה שלהם התאמה ולהקליט אותם בנקודות זמן שונות כדי להיות מסוגל לבצע הן ניתוח הרוחב והאורך באמצעות שיטות שלנו. אנו צופה נתונים דיגיטליים כאלה שנאספו תציע הרבה יותר מסכום החלקים שלהם, ובאמת להגשים את העקרונות של הרפואה דיוק בנוירולוגיה ופסיכיאטריה.
The authors have nothing to disclose.
מחקר זה ממומן בחלקו על ידי המכון לאינפורמטיקה של דיסקברי רטגרס ל-JR, אוניברסיטת רטגרס כספים ל-EBT ו-JV, המועצה החדשה של ניו ג’רזי מועצת המחקר והטיפולים של אוטיזם ל-EBT וקרן מייקל ג’יי פוקס כדי RD.
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 |