Simple Science

最先端の科学をわかりやすく解説

# 健康科学 # 神経学

ウェアラブルセンサー: アタキシアを追跡する新しい方法

ウェアラブルデバイスは、運動失調の進行状況や治療の効果について新しい視点を提供するよ。

Anoopum S Gupta, R. Manohar, F. X. Yang, C. D. Stephen, J. D. Schmahmann, N. M. Eklund

― 1 分で読む


テクノロジーでアタキシアを テクノロジーでアタキシアを 追跡する 展について新しい知見を明らかにしたよ。 ウェアラブルセンサーが運動失調や治療の進
目次

研究者たちは、神経系に影響を与える病気、特に脊髄小脳失調症(SCA)や多系統萎縮症(MSA)に対する新しい治療法を開発中だ。これらの治療法を開発する上での大きな課題は、病気の進行状況や治療の効果を測定するための効果的なツールが不足していること。現在の方法は、臨床医による評価スケール、例えば運動失調の評価と格付けのためのスケール(SARA)に依存している。しかし、これらのスケールは主観的な評価、スコアの詳細が少ないこと、患者のエネルギーレベルのばらつきなどのために一貫性がないことがある。また、これらのスケールは、個人の日常的な運動能力を正確に反映できないかもしれない。

評価のためのウェアラブル技術

加速度センサーを搭載した手首センサーのようなウェアラブルデバイスは、運動を測定し、運動失調のある人々の変化を追跡するための有望な解決策を提供している。これらのセンサーは、手を動かすなどの上肢のさまざまなタスクに使用されており、運動失調のある人と健康な人を効果的に区別でき、従来の評価スケールともよく一致することが示されている。

同様の技術は、下肢や胴体の動きを評価し、シンプルなテスト中の歩行やバランスを評価するためにも適用されている。これらのセンサーから得られたデータは、時間の経過に伴う個人の状態の変化を報告する強い能力を示し、従来の評価スケールよりも感度が高いことがわかった。

研究者たちは、これらのセンサーを自宅の自然な環境で使えることも発見した。足や下背部にセンサーを装着することで、日常生活の中で監視できる。この方法では、研究者は通常の活動を妨げることなく、関連する運動パターンやバランスの変化を捉えるデータを集めることができる。

研究と結果

最近の研究では、研究者たちは、ウェアラブルセンサーを用いてSCAやMSAのある個人を一定期間追跡した。自然な動きの行動を捉え、これらの変化が確立された臨床評価とどのように関連しているかを調べることに焦点を当てた。参加者は2019年末から2024年初頭までの間に研究に参加し、幅広いデータを提供した。

18歳以上の参加者が研究に含まれた。このグループは、特定のタイプの運動失調と診断された人々や、運動失調リスク因子のない対照参加者で構成されていた。参加者は、日常生活の中で動作データを収集するために、手首や足首にデバイスを装着するように求められた。

データは、動きの頻度と質に基づいて分析された。研究者たちは、動きの特性、つまり動きがどれだけ強く、安定しているかに注目した。このデータを使用して、従来の評価と比較し、ウェアラブル技術が運動失調状態の理解をどのように向上させるかを特定した。

研究では、ウェアラブルセンサーが時間の経過に伴う動きの変化を正確に測定でき、病気の進行を重要に追跡できることがわかった。手首と足首のセンサーからの測定値は、標準的な臨床評価とよく相関しており、運動失調の理解における価値を確認した。

サブムーブメントの探求

研究の重要な部分は、サブムーブメントと呼ばれる小さな動きを分析することだった。これらは、より大きな動作の基本的な構成要素だ。研究者たちは、運動失調のある個人では、これらのサブムーブメントが小さく、遅く、精度が低くなる傾向があり、運動機能の進行的な低下を示すことを指摘した。

彼らは、この変化がタスクベースの設定だけでなく、日常生活の中でも進行していることを観察した。この発見は、サブムーブメントの分析が運動失調が時間とともに運動制御に与える影響を詳細に把握できることを示唆している。

重要な発見

この研究では、いくつかの重要な発見が強調された:

  1. 臨床評価との相関:ウェアラブルセンサーからのデータは、従来の臨床評価の結果とよく一致していた。これは、病気の進行を測るために技術を利用する価値を強化する。

  2. 変化に対する感度:センサー由来の測定は、個人の状態の変化を標準的な評価よりも効果的に検出でき、微妙な低下を見逃すことがある。

  3. 信頼性:センサーから得られた測定値は、時間とともに一貫しており、今後の研究や治療評価で信頼できる使用ができることを示している。

  4. 自然な行動のモニタリング:参加者が通常の活動に従事しながらセンサーを装着することで、より正確に日常機能を代表するデータを収集できた。

  5. 集団の差別化:運動失調のある個人からのデータは、対照参加者とは一貫して異なり、これらのセンサーを使用して特定の運動失調タイプを識別し分析する可能性を示している。

今後の方向性

結果は有望だが、研究にはまだ制限がある。研究された個人のグループは比較的小さく、各ユニークなケースで運動失調がどのように進行するかを深く理解するためには、さらに多くの時間ポイントが役立つだろう。

異なるタイプの運動失調を経験しているより大きなグループでさらなる調査が必要で、特に病気の初期段階にいる人々を対象にすることで、運動機能の低下の早期兆候や治療の効果をより早く特定できるかもしれない。

技術が進歩し続ける中で、運動だけでなく運動失調の影響を受ける日常生活の他の側面を監視できるより洗練されたツールを開発する可能性がある。このデータを臨床評価と統合することで、研究者たちは病気が個人に与える影響の全体像を把握しようと希望している。

結論

ウェアラブルセンサーの使用は、運動失調のような神経変性疾病を監視し理解するための有望な新しい道を示している。実生活の設定で詳細な動作データをキャッチすることで、研究者たちは病気の進行や治療反応について深い洞察を得ることができる。この技術は、これらの状態を評価し管理する方法を変革し、影響を受ける人々の生活の質を向上させる可能性がある。これらの方法を洗練させ、患者からのフィードバックを取り入れる継続的な取り組みが、この分野の将来の進展にとって重要だ。

オリジナルソース

タイトル: At-home wearables and machine learning capture motor impairment and progression in adult ataxias

概要: 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.

著者: Anoopum S Gupta, R. Manohar, F. X. Yang, C. D. Stephen, J. D. Schmahmann, N. M. Eklund

最終更新: 2024-10-29 00:00:00

言語: English

ソースURL: https://www.medrxiv.org/content/10.1101/2024.10.27.24316161

ソースPDF: https://www.medrxiv.org/content/10.1101/2024.10.27.24316161.full.pdf

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。

類似の記事