Neue Forschung zeigt vielversprechende Möglichkeiten zur Diagnose und Messung von Parkinson zu Hause durch einfach zu erfassende Atemdaten
- September 2022
Nächtlicher Atemgürtel
Forscher haben kürzlich eine Arbeit veröffentlicht, die den Weg für eine einfache Diagnose und Bewertung der Parkinson-Krankheit (PD) zu Hause ebnen könnte, während eine Person schläft. Die in Nature Medicine veröffentlichte Arbeit zeigt das Potenzial für die Diagnose von Morbus Parkinson und die Messung des Krankheitsverlaufs durch nächtliche Atemüberwachung.
Die Wissenschaftler nahmen Atemdaten auf, die entweder mit einem Atemgürtel, der um den Oberkörper getragen wurde, oder mit einem schwachen Radiosignal, das von einer kleinen, an der Wand montierten Box gesendet und empfangen wurde, die Informationen liefert, wenn die Radiowellen vom Körper abprallen. In dem Papier wird beschrieben, wie das Forschungsteam künstliche Intelligenz damit beauftragte, Muster in den Daten zu finden, die zu genauen Vorhersagen darüber führen, wer an Parkinson erkrankt ist und wie schwer die Krankheit ist. Die Studie zeigt, wie vielversprechend die Technologie bei der Diagnose und Krankheitsmessung ist und wie sehr große klinische Datensätze die Parkinson-Forschung unterstützen können.
Die Studie lässt auf ein neues Instrument hoffen, das sowohl für die Diagnose als auch für die Verlaufsbeobachtung geeignet ist. Die Einführung eines leicht messbaren Biomarkers (biologisches Signal im Körper) würde Klinikern ein neues Instrument an die Hand geben, um frühe Anzeichen von Parkinson zu erkennen oder das Fortschreiten der Krankheit zu quantifizieren.
Die mit Hilfe von MJFF-Mitteln durchgeführte Studie stammt von einem Forscherteam unter der Leitung von Dr. Dina Katabi vom Massachusetts Institute of Technology und Emerald Innovations. Das Projekt stützte sich auf mehr als ein halbes Dutzend kombinierter Datensätze, darunter eine vom MJFF geförderte klinische PD-Beobachtungsstudie. Insgesamt umfasste der kombinierte Datensatz fast 12.000 Nächte mit mehr als 120.000 Stunden an nächtlichen Atemsignalen von 757 Parkinson-Freiwilligen.
Die Forscher verwendeten diesen Datensatz der nächtlichen Atemverfolgung. Die Autoren der Studie weisen darauf hin, dass der Zusammenhang zwischen Atmung und Morbus Parkinson bereits 1817 von James Parkinson festgestellt wurde und später durch weitere Forschungsarbeiten untermauert wurde, die eine schwächere Atmungsfunktion und Atemstörungen im Schlaf zeigten.
Jetzt haben die Forscher nach eigenen Angaben ein neuronales Netzwerk entwickelt, das anhand von Atemdaten feststellen kann, ob eine Person an Morbus Parkinson leidet und den Schweregrad vorhersagen kann. Das Team stützte sich auf zwei verschiedene klinische Messungen der Morbus-Parkinson-Symptome und verglich die Ergebnisse mit den Einschätzungen der KI. Das Team behauptet in dem Papier: „Diese Arbeit liefert den Beweis, dass KI Menschen mit Parkinson anhand ihrer nächtlichen Atmung identifizieren und den Schweregrad und das Fortschreiten der Krankheit genau einschätzen kann.“
Die Autoren fahren fort: „Wir stellen uns vor, dass das System schließlich in den Wohnungen von Parkinson-Patienten und Personen mit hohem Parkinson-Risiko (z. B. Personen mit LRRK2-Genmutation) eingesetzt werden könnte, um ihren Status passiv zu überwachen und ihrem Anbieter Feedback zu geben.“
Die Forschungsergebnisse geben Anlass zur Hoffnung auf ein neues Instrument zur Diagnose von Parkinson und zur Verfolgung des Schweregrads der Erkrankung und veranschaulichen gleichzeitig das Potenzial großer klinischer Datensätze in der Parkinsonforschung.
Unabhängig davon, ob Sie an Parkinson erkrankt sind oder nicht, können Sie sich an der Vorzeigestudie der Michael J. Fox Foundation, der Parkinson’s Progression Marker Initiative (PPMI), beteiligen. Weitere Informationen finden Sie hier. Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
September 8, 2022
Researchers recently published a paper that could pave the way for simple, at-home diagnosis and assessment of Parkinson’s disease (PD) while a person sleeps. The paper, published in Nature Medicine, demonstrates the potential for diagnosing PD and measuring disease progression through nocturnal breath tracking.
Scientists took sets of breathing data collected using either a breathing belt worn around the torso or a low-power radio signal sent and received by a small, wall-mounted box that provides information as the radio waves bounce off the body. The paper detailed how the research team tasked artificial intelligence with finding patterns in the data, leading to accurate predictions of who had Parkinson’s and how severe the condition was. The paper shows both the promise of technology in diagnosis and disease measurement as well as the ability of large-scale clinical datasets to aid in PD research.
The study gives hope for a new tool, both with diagnostic and progression-tracking utility. Introducing an easily measurable biomarker (biological signal in the body) would give clinicians a new tool to detect early indications of PD or quantify the progression of the disease.
The study, conducted with the help of MJFF funding, comes from a team of researchers led by Dr. Dina Katabi of the Massachusetts Institute of Technology and Emerald Innovations. The project relied on more than a half-dozen combined datasets, including observational PD clinical study sponsored by MJFF. All told, the combined dataset represented nearly 12,000 nights with more than 120,000 hours of nocturnal breathing signals from 757 PD volunteers.
Researchers used this dataset of nocturnal breath tracking. The authors of the paper note that the relationship between breath and PD was established as far back as James Parkinson’s work in 1817 and later backed by additional research showing weaker respiratory function and sleep breathing disorders.
Now, researchers say they have a neural network than can use respiratory data to infer if a person has PD and predict the severity. The team relied on two different clinical measures of PD symptoms, comparing the scores against assessments from their AI. The team asserts in the paper, “This work provides evidence that AI can identify people who have PD from their nocturnal breathing and can accurately assess their disease severity and progression.”
The authors go on to say, “We envision that the system could eventually be deployed in the homes of PD patients and individuals at high risk for PD (for example, those with LRRK2 gene mutation) to passively monitor their status and provide feedback to their provider.”
The research gives hope for a new tool to diagnose Parkinson’s and track its severity, while also illustrating the potential of large-scale clinical datasets in PD research.
Whether you have Parkinson’s or not, you can contribute to The Michael J. Fox Foundation’s flagship study, the Parkinson’s Progression Marker Initiative (PPMI). Find more information here.