Smartphones revolutionieren das Tracking von Antipsychotika-Nebenwirkungen

Antipsychotika werden genutzt, um ernsthafte psychische Probleme wie Schizophrenie, bipolare Störung und psychotische Depression zu behandeln. Obwohl sie den Patienten helfen, mit ihren Erkrankungen umzugehen, bringen diese Medikamente auch unerwünschte Nebenwirkungen mit sich, insbesondere Bewegungsstörungen. Diese Störungen beinhalten Dinge wie zittrige Hände, Unruhe und seltsame Bewegungen, die zusammen als extrapyramidale Symptome (EPS) bekannt sind. Studien zeigen, dass etwa jeder dritte Patient, der Antipsychotika nimmt, diese Nebenwirkungen erleben kann, was die Situation noch schwieriger macht.

#Die Rolle von Anticholinergika

Um diese Bewegungsstörungen zu bekämpfen, verschreiben Ärzte oft Anticholinergika. Diese Medikamente können helfen, das Zittern und andere Bewegungsprobleme, die durch Antipsychotika verursacht werden, zu reduzieren. Allerdings haben sie auch ihre eigenen Probleme. Patienten können verschwommenes Sehen, Verstopfung, Gedächtnisprobleme und sogar eine Rückkehr ihrer ursprünglichen Symptome erleben. Kurz gesagt, während Anticholinergika beim Zittern helfen können, bringen sie auch neue Herausforderungen für die Patienten mit sich.

Der beste Weg, mit EPS umzugehen, besteht darin, von vornherein Medikamente zu vermeiden, die diese Nebenwirkungen verursachen. Wenn EPS auftritt, ist es meistens besser, die Behandlung zu wechseln, als mit einem Medikament fortzufahren, das Probleme verursacht.

#Screening für extrapyramidale Symptome

Es gibt verschiedene Skalen, die Ärzte nutzen, um EPS zu finden und zu bewerten. Dazu gehören die Simpson-Angus-Skala, die Abnormal Involuntary Movement Scale und andere. Leider erfordern diese Bewertungen eine persönliche Untersuchung, was besonders in Zeiten wie der COVID-19-Pandemie, wo viele Ärzte auf virtuelle Termine umgestiegen sind, umständlich sein kann. Diese Situation hat deutlich gemacht, dass es einen echten Bedarf an Fernbewertungstools für EPS gibt.

#Der Bedarf an Fernbewertungstools

Das Ziel der aktuellen Forschung war es, eine Möglichkeit zu schaffen, EPS zu bewerten und vorherzusagen, ohne einen persönlichen Besuch zu benötigen. Die Forscher wollten die integrierten gyroskopischen Sensoren von Smartphones oder Tablets nutzen, um Daten zu sammeln und Vorhersagen über Handzittern, das durch EPS verursacht wird, zu treffen.

#Forschungsdesign

Die Forschung hatte zwei Hauptteile. Zuerst sammelte das Team Daten von gesunden Personen und Patienten mit EPS, um ihre Computer-Modelle zu trainieren. Dann validierten sie diese Modelle mit Daten aus einer separaten Gruppe von Personen. Alle Teilnehmer der Studie waren Erwachsene im Alter von 18 bis 65 Jahren und gaben ihr Einverständnis zur Teilnahme an der Forschung.

In der Gruppe ohne Zittern durften die Teilnehmer keine psychischen oder neurologischen Störungen haben. Bei denen mit Zittern war die einzige Voraussetzung, dass sie mit Antipsychotika behandelt wurden und während der Studie Anzeichen von Handzittern zeigten.

#Datensammlung und -verarbeitung

Die Daten wurden mit einer speziellen Software auf einem iPad gesammelt und für Beschleunigung, Orientierung und Winkelgeschwindigkeit über einen Zeitraum von einer Minute aufgezeichnet. Um es überschaubar zu halten, teilten die Wissenschaftler die gesammelten Daten in kleinere Segmente von jeweils 10 Sekunden.

Sobald die Daten gesammelt waren, durchliefen sie verschiedene Schritte, um sie für die Analyse vorzubereiten. Jedes Segment wurde verarbeitet, und Informationen wurden für eine spätere Auswertung gespeichert. Das Ziel war es, ein Computermodell zu erstellen, das Handzittern basierend auf den Informationen aus diesen Geräten vorhersagen kann.

#Aufbau des Computermodells

Das für diese Forschung entwickelte Modell heisst EDEPS, was für Early Detection of Extrapyramidal Symptoms steht. Es verwendet Machine-Learning-Algorithmen, um Vorhersagen über Handzittern basierend auf den gesammelten Daten von mobilen Geräten zu treffen. Verschiedene Algorithmen wurden getestet, aber es stellte sich heraus, dass eine Methode namens Random Forest die effektivste war, sowohl um das allgemeine Zittern vorherzusagen als auch die Schwere zu messen.

Das Modell wandelt Rohdaten in nützliche Informationen um, durch eine Reihe von Schritten, die es einfacher machen, sie zu analysieren. Mithilfe von Daten über das Zittern kann das Modell Ärzten helfen festzustellen, ob ein Patient EPS hat und wie schwer es ist.

#Training und Validierung des Modells

Beim Trainieren des Modells verwendeten die Forscher über 2.300 Datensegmente aus beiden Gruppen: denen mit Zittern und denen ohne. Das Team überprüfte auch sorgfältig, wie gut ihre Modelle Ergebnisse vorhersagen konnten, um die Genauigkeit sicherzustellen. Sie kombinierten Daten aus beiden Gruppen und passten das Modell an, wann immer neue Daten eingeführt wurden.

Die Forscher behielten im Auge, wie gut ihr Modell funktionierte, und nahmen notwendige Anpassungen vor, um die Vorhersagen zu verbessern. Das Ziel war es, das Modell so genau wie möglich zu machen, um festzustellen, ob ein Handzittern vorlag und wie schwer es war.

#Testen des Modells

Die Effektivität des Modells wurde mit einer separaten Gruppe von Teilnehmern bewertet. Sie führten Tests durch, indem sie verschiedene Ansätze verwendeten, darunter die Analyse aller Segmente und nur der ersten 10 Sekunden der Daten. Das Modell konnte in vielen Fällen Handzittern genau bewerten und sogar die Schwere vorhersagen.

#Analyse der Leistungsdichtespektren

Ein faszinierender Befund aus der Forschung war der Zusammenhang mit der Leistungsdichtespektralanalyse. Die Forscher entdeckten, dass Patienten mit Handzittern einen auffälligen Peak in ihren Daten bei etwa 5 Hz hatten. Das bedeutet, dass es eine spezifische Frequenz zu geben scheint, die mit Handzittern bei Patienten, die Antipsychotika einnehmen, verbunden ist.

#Vergleich mit früheren Studien

Obwohl es in der Vergangenheit Versuche gab, Zittern mit verschiedenen Arten von Sensoren oder Geräten zu messen, hebt sich diese Studie ab, da sie leicht verfügbare Technologie wie Smartphones und Tablets nutzt. Andere Studien haben Handgelenksensoren oder Smartwatches verwendet, aber diese Methoden können problematisch sein und erfordern mehr Aufwand von Patienten und medizinischem Personal.

Einige Studien haben darauf hingewiesen, dass traditionelle Methoden zur Testung der Feinmotorik nützlich für das Screening sein können. Allerdings liefern sie möglicherweise keine präzisen quantitativen Ergebnisse, was sie für die laufende Bewertung weniger praktikabel macht.

#Einschränkungen und zukünftige Richtungen

Wie jede Studie hat auch diese Forschung ihre Einschränkungen. Das Modell wurde nicht gegen Personen getestet, die möglicherweise andere Arten von Zittern wie essenzielles Zittern oder Zittern, das durch Alkoholentzugserscheinungen verursacht wird, haben. Die Hoffnung ist, dass dieses Modell in der Lage sein wird, zwischen verschiedenen Arten von Handzittern zu unterscheiden, aber das bleibt abzuwarten.

Die Forscher merkten auch an, dass die Vorhersagegenauigkeit noch verbessert werden könnte. Während das Modell vielversprechend war, gab es Bedarf an weiteren Verfeinerungen, insbesondere in Bezug auf spezifische Bewertungsmetriken.

Zusammenfassend könnte diese bahnbrechende Arbeit erhebliche Auswirkungen darauf haben, wie wir Handzittern bei Patienten betrachten und behandeln, die Antipsychotika einnehmen. Wer hätte gedacht, dass ein Smartphone auch bei psychischen Gesundheitsproblemen helfen kann? Mit fortlaufender Forschung in diesem Bereich könnten wir in Zukunft noch bessere Werkzeuge finden, um denjenigen zu helfen, die mit EPS zu kämpfen haben.