Co

npj Medicina Digitale volume 5, numero articolo: 32 (2022) Citare questo articolo

5767 accessi

19 citazioni

14 Altmetrico

Dettagli sulle metriche

La malattia di Parkinson (MdP) è una malattia neurodegenerativa caratterizzata da disturbi motori come tremore, bradicinesia, discinesia e anomalie dell'andatura. I protocolli attuali valutano i sintomi della malattia di Parkinson durante le visite cliniche e possono essere soggettivi. I diari dei pazienti possono aiutare i medici a valutare i sintomi a domicilio, ma possono essere incompleti o imprecisi. Pertanto, i ricercatori hanno sviluppato metodi automatizzati a domicilio per monitorare i sintomi della malattia di Parkinson per consentire la diagnosi e la gestione della malattia basate sui dati. Abbiamo interrogato il database PubMed della National Library of Medicine degli Stati Uniti per analizzare la progressione delle tecnologie e dei metodi computazionali/di apprendimento automatico utilizzati per monitorare i sintomi motori comuni della malattia di Parkinson. È stato esaminato un sottoinsieme di circa 12.000 articoli che meglio caratterizzavano le tempistiche dell’apprendimento automatico e della tecnologia emerse dalla revisione della letteratura. La tecnologia utilizzata per monitorare i sintomi motori della malattia di Parkinson ha fatto notevoli progressi negli ultimi cinquant’anni. Il monitoraggio iniziale è iniziato con dispositivi in ​​laboratorio come l'EMG ad aghi, è passato agli accelerometri/giroscopi in laboratorio, quindi agli accelerometri/giroscopi indossabili e infine al monitoraggio domestico basato su telefono, dispositivi mobili e applicazioni web. Sono stati compiuti progressi significativi anche rispetto all’uso di algoritmi di apprendimento automatico per classificare i pazienti con malattia di Parkinson. Utilizzando dati provenienti da diversi dispositivi (ad esempio, videocamere, accelerometri basati su telefoni), i ricercatori hanno progettato algoritmi di apprendimento automatico basati su reti neurali e reti non neurali per classificare i pazienti con malattia di Parkinson in base a tremore, andatura, bradicinesia e discinesia. La coevoluzione cinquantennale della tecnologia e delle tecniche computazionali utilizzate per monitorare i sintomi motori della malattia di Parkinson ha portato a progressi significativi che stanno consentendo il passaggio dal monitoraggio in laboratorio/clinico al monitoraggio a domicilio dei sintomi della malattia.

La malattia di Parkinson (PD) è una malattia neurodegenerativa complessa comunemente caratterizzata da disturbi motori come tremore, bradicinesia, discinesia e anomalie dell'andatura1. Una corretta valutazione dei disturbi motori del Parkinson è vitale per la gestione clinica della malattia2,3. La tempistica appropriata della somministrazione dei farmaci dopaminergici4 per evitare aumenti improvvisi della gravità dei sintomi5 e la selezione di interventi come la stimolazione cerebrale profonda6 richiedono entrambi una comprensione precisa delle fluttuazioni dei sintomi nei pazienti con PD. Inoltre, per comprendere la progressione della malattia a lungo termine è necessaria la caratterizzazione oggettiva delle manifestazioni non motorie della malattia di Parkinson, come disturbi del sonno, sintomi gastrointestinali e sintomi psichiatrici.

La caratterizzazione dei sintomi motori e non motori della malattia di Parkinson si basa tradizionalmente sulla Unified Parkinson's Disease Rating Scale (UPDRS), un sistema di valutazione della gravità della malattia di Parkinson con quattro parti relative a (I) attività mentale, comportamento e umore, (II) attività della vita quotidiana, ( III) Complicanze motorie e (IV)7. L'UPDRS è stato infine aggiornato dalla Movement Disorder Society (MDS), creando l'MDS-UPDRS, nel tentativo di ridurre la soggettività nella scala8. I medici utilizzano anche altri sistemi di valutazione come la scala di valutazione del tremore WHIGET per il tremore da azione9 e la scala di valutazione della bradicinesia modificata (MRBS) per la bradicinesia10. Tuttavia, questi sistemi di rating soffrono di due difetti principali. In primo luogo, mancano di granularità durante la malattia o i cicli di farmaci, poiché forniscono solo una visione istantanea dei sintomi di un paziente osservati durante le visite in clinica. Inoltre, quando valutano i sintomi della malattia di Parkinson al di fuori della clinica, i medici devono fare affidamento sui diari o sui ricordi dei pazienti, che possono essere imprecisi2. In secondo luogo, questi sistemi di valutazione sono intrinsecamente soggettivi e comportano un’elevata variabilità inter e intra-valutatore3.

Affrontare questi difetti è fondamentale per garantire una diagnosi e una gestione adeguate dei pazienti affetti da Parkinson. A tal fine, sono stati compiuti sforzi considerevoli per sviluppare metodi oggettivi, a domicilio e automatizzati per monitorare i principali sintomi motori caratteristici della malattia di Parkinson. Sfruttando i sensori di movimento e, in alcuni casi, le tecnologie basate su video possono innanzitutto consentire ai medici di adottare approcci basati sui dati per le diagnosi della malattia di Parkinson. L'aggiunta del monitoraggio dei pazienti a domicilio tramite dispositivi intelligenti (ad esempio smartphone, orologi) potrebbe quindi consentire ai medici di adattare i piani di trattamento in base ai dati sull'attività del paziente. L’obiettivo finale di queste tecnologie è quello di ottenere un monitoraggio continuo a domicilio, che richiederà una ricerca continua utilizzando dati provenienti da studi continui a domicilio, piuttosto che applicare dati di laboratorio per sviluppare soluzioni a domicilio. Questa revisione mira a riassumere la coevoluzione delle tecnologie e dei metodi computazionali utilizzati per valutare e monitorare i sintomi motori comuni della malattia di Parkinson come tremore, anomalie dell'andatura, bradicinesia e discinesia.