Sensori Indossabili: Un Nuovo Modo per Monitorare l'Atassia
I dispositivi indossabili offrono nuove informazioni sulla progressione dell'ataxia e sull'efficacia dei trattamenti.
Anoopum S Gupta, R. Manohar, F. X. Yang, C. D. Stephen, J. D. Schmahmann, N. M. Eklund
― 5 leggere min
Indice
I ricercatori stanno lavorando su nuovi trattamenti per malattie che colpiscono il sistema nervoso, in particolare condizioni come atassie spinocerebellari (SCA) e atrofia multisistemica (MSA). Una delle maggiori sfide nello sviluppo di questi trattamenti è la mancanza di strumenti efficaci per misurare come progrediscono le malattie e quanto funzionano i trattamenti. I metodi attuali si basano su scale valutate dai clinici, come la Scala per la Valutazione e la Valutazione dell'Atassia (SARA). Tuttavia, queste scale possono essere incoerenti a causa di valutazioni soggettive, basso dettaglio nel punteggio e variazioni nei livelli di energia dei pazienti durante le valutazioni. Inoltre, queste scale potrebbero non riflettere accuratamente le abilità motorie quotidiane di una persona.
Tecnologia Indossabile per la Valutazione
Dispositivi indossabili, come sensori da polso con accelerometri, offrono una soluzione promettente per misurare il movimento e monitorare i cambiamenti nelle persone con atassia. Questi sensori sono stati utilizzati in vari compiti che coinvolgono gli arti superiori, come muovere le mani, e hanno dimostrato di poter differenziare efficacemente tra chi ha atassia e chi è sano, allineandosi bene anche con le scale di valutazione tradizionali.
Una tecnologia simile è stata applicata per valutare i movimenti degli arti inferiori e del tronco per valutare la camminata e l'equilibrio durante semplici test. I dati provenienti da questi sensori hanno dimostrato una forte capacità di segnalare i cambiamenti nella condizione di una persona nel tempo, mostrando una sensibilità migliore rispetto alle scale di valutazione tradizionali.
I ricercatori hanno anche scoperto che questi sensori possono essere usati nell'ambiente naturale di una persona a casa. Indossando sensori sui piedi e sulla parte bassa della schiena, le persone possono essere monitorate durante la loro routine quotidiana. Questo metodo consente ai ricercatori di raccogliere dati senza interrompere le attività normali, catturando schemi di movimento rilevanti e cambiamenti nell'equilibrio.
Studio e Risultati
In uno studio recente, i ricercatori hanno monitorato individui con SCA e MSA utilizzando Sensori Indossabili per un periodo stabilito. Si sono concentrati sul catturare comportamenti di movimento naturali e sull'esaminare come questi cambiamenti si rapportavano a Valutazioni Cliniche consolidate. I partecipanti hanno preso parte allo studio dalla fine del 2019 all'inizio del 2024, fornendo una vasta gamma di dati.
I partecipanti di età pari o superiore a 18 anni sono stati inclusi nello studio. Questo gruppo era composto da individui diagnosticati con specifici tipi di atassia, oltre a partecipanti di controllo senza fattori di rischio per l’atassia. Ai partecipanti è stato chiesto di indossare dispositivi sui polsi e sulle caviglie per raccogliere dati sui movimenti nella loro vita quotidiana.
I dati sono stati analizzati in base alla frequenza e alla qualità del movimento. I ricercatori hanno prestato particolare attenzione alle caratteristiche del movimento, come quanto forti e stabili fossero. Hanno utilizzato questi dati per confrontarli con le valutazioni tradizionali e identificare come la tecnologia indossabile potesse migliorare la comprensione delle condizioni di atassia.
Lo studio ha trovato che i sensori indossabili potevano misurare accuratamente i cambiamenti nel movimento nel tempo, con un tracciamento significativo della progressione della malattia. Le misure dai sensori da polso e da caviglia hanno mostrato una buona correlazione con le valutazioni cliniche standard, confermando il loro valore nella comprensione dell'atassia.
Esplorazione dei Submovimenti
Una parte importante della ricerca ha coinvolto l'analisi di movimenti più piccoli, noti come submovimenti. Questi sono i mattoni fondamentali di azioni più grandi. I ricercatori hanno notato che negli individui con atassia, questi submovimenti tendevano a diventare più piccoli, lenti e meno precisi, indicando un declino progressivo nella funzione motoria.
Hanno osservato questo cambiamento continuo non solo in contesti basati su compiti, ma anche in attività quotidiane a casa. Questa scoperta suggerisce che l'analisi dei submovimenti può fornire uno sguardo dettagliato su come l'atassia influisce sul controllo motorio nel tempo.
Risultati Chiave
Lo studio ha sottolineato diversi risultati importanti:
-
Correlazione con Misure Cliniche: I dati dai sensori indossabili si sono abbinati bene ai risultati delle valutazioni cliniche tradizionali. Questo rafforza il valore dell'uso della tecnologia per valutare la progressione della malattia.
-
Sensibilità al Cambiamento: Le misurazioni derivate dai sensori erano in grado di rilevare cambiamenti nella condizione di una persona più efficacemente rispetto ad alcune valutazioni standard, che a volte possono trascurare declini sottili.
-
Affidabilità: Le misure ottenute dai sensori erano coerenti nel tempo, indicando che potrebbero essere utilizzate in modo affidabile in studi futuri e valutazioni di trattamento.
-
Monitoraggio del Comportamento Naturale: Consentendo ai partecipanti di impegnarsi in attività normali mentre indossavano i sensori, i ricercatori hanno raccolto dati che rappresentano più accuratamente la funzione quotidiana.
-
Differenziazione delle Popolazioni: I dati provenienti da individui con atassia erano costantemente diversi da quelli dei partecipanti di controllo, dimostrando il potenziale di utilizzare questi sensori per identificare e analizzare specifici tipi di atassia.
Direzioni Future
Anche se i risultati sono promettenti, la ricerca ha ancora limitazioni. Il gruppo di individui studiati era relativamente piccolo e più punti temporali sarebbero utili per ottenere una comprensione più profonda di come progredisce l'atassia in ogni caso unico.
Ulteriori indagini sono necessarie con gruppi più grandi di individui che sperimentano diversi tipi di atassia, specialmente quelli nelle fasi iniziali della malattia. Questo potrebbe aiutare a identificare segni precoci di declino motorio e l'efficacia dei trattamenti più rapidamente.
Con l’avanzare della tecnologia, c'è potenziale per sviluppare strumenti ancora più raffinati che possano monitorare non solo il movimento, ma anche altri aspetti della vita quotidiana che potrebbero essere influenzati dall'atassia. Integrando questi dati con le valutazioni cliniche, i ricercatori sperano di creare un quadro completo dell'impatto della malattia sugli individui.
Conclusione
L'uso di sensori indossabili rappresenta una promettente nuova via per monitorare e comprendere le malattie neurodegenerative come l'atassia. Catturando dati dettagliati sui movimenti in contesti reali, i ricercatori possono ottenere intuizioni più profonde sulla progressione della malattia e sulle risposte ai trattamenti. Questa tecnologia ha il potenziale di trasformare il modo in cui valutiamo e gestiamo queste condizioni, migliorando la qualità della vita per coloro che ne sono colpiti. L'impegno continuo a perfezionare questi metodi e a incorporare i feedback dei pazienti sarà essenziale per i futuri progressi in questo campo.
Titolo: At-home wearables and machine learning capture motor impairment and progression in adult ataxias
Estratto: A significant barrier to developing disease-modifying therapies for spinocerebellar ataxias (SCAs) and multiple system atrophy of the cerebellar type (MSA-C) is the scarcity of tools to sensitively measure disease progression in clinical trials. Wearable sensors worn continuously during natural behavior at home have the potential to produce ecologically valid and precise measures of motor function by leveraging frequent and numerous high-resolution samples of behavior. Here we test whether movement-building block characteristics (i.e., submovements), obtained from the wrist and ankle during natural behavior at home, can sensitively capture disease progression in SCAs and MSA-C, as recently shown in amyotrophic lateral sclerosis (ALS) and ataxia telangiectasia (A-T). Remotely collected cross-sectional (n = 76) and longitudinal data (n = 27) were analyzed from individuals with ataxia (SCAs 1, 2, 3, and 6, MSA-C) and controls. Machine learning models were trained to produce composite outcome measures based on submovement properties. Two models were trained on data from individuals with ataxia to estimate ataxia rating scale scores. Two additional models, previously trained entirely on longitudinal ALS data to optimize sensitivity to change, were also evaluated. All composite outcomes from both wrist and ankle sensor data had moderate to strong correlations with ataxia rating scales and self-reported function, strongly separated ataxia and control populations, and had high within-week reliability. The composite outcomes trained on longitudinal ALS data most strongly captured disease progression over time. These data demonstrate that outcome measures based on accelerometers worn at home can accurately capture the ataxia phenotype and sensitively measure disease progression. This assessment approach is scalable and can be used in clinical or research settings with relatively low individual burden.
Autori: Anoopum S Gupta, R. Manohar, F. X. Yang, C. D. Stephen, J. D. Schmahmann, N. M. Eklund
Ultimo aggiornamento: 2024-10-29 00:00:00
Lingua: English
URL di origine: https://www.medrxiv.org/content/10.1101/2024.10.27.24316161
Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.10.27.24316161.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.