digitale che analizza i dati della Parkinson's Progression Markers Initiative (PPMI) per rilevare la presenza o l'assenza del morbo di Parkinson (PD), pubblicato nel Journal Sensors il 9 settembre 2022, l'articolo intitolato Apprendimento profondo per il monitoraggio quotidiano del morbo di Parkinson fuori dalla clinica utilizzando dispositivi indossabili Sensors presenta i risultati di una nuova analisi di apprendimento automatico guidata da CVB con il supporto della Michael J. Fox Foundation (MJFF), dimostrando il potenziale dell'utilizzo di sensori, riconoscimento dell'attività umana e apprendimento profondo per aiutare nella classificazione del PD . Il morbo di Parkinson è uno dei disturbi neurologici più comuni e in più rapida crescita che si traduce in un progressivo declino dei sintomi sia motori che non motori (ad es. Cognizione e umore), poiché attualmente non ci sono biomarcatori oggettivi nel PD, la diagnosi è complicata e in genere comporta questionari soggettivi somministrati clinicamente per valutare la gravità dei sintomi, portando potenzialmente a sintomi non rilevati o classificati erroneamente. La tecnologia dei sensori si è dimostrata promettente nell'aiutare il rilevamento e la classificazione di malattie come il PD, ma ha una convalida molto limitata nelle impostazioni del mondo reale. Nell'ambito della coorte di studio Parkinson's Progression Markers Initiative (PPMI), i ricercatori hanno raccolto dati in modo passivo e continuo utilizzando Verily Study Watch nell'ambiente naturale di un soggetto. Utilizzando questi dati, i ricercatori del CVB, in collaborazione con i ricercatori della PPMI, hanno utilizzato nuove tecniche di intelligenza artificiale (AI) per l'apprendimento profondo per esplorare il potenziale per prevedere la presenza del morbo di Parkinson attraverso l'attività della vita reale. I risultati di questa ricerca sono promettenti, in un campione pilota, i ricercatori sono stati in grado di discriminare tra soggetti con e senza una diagnosi di PD con un'accuratezza vicina al 90% su misure di camminata singola e un'accuratezza del 100% durante la valutazione dei dati accumulati nell'arco di un giorno. Questo studio mostra la fattibilità di sfruttare i dati dei sensori indossabili senza vincoli e senza etichetta per rilevare con precisione il morbo di Parkinson utilizzando potenti metodi di apprendimento profondo, afferma Lee Lancashire, Principal Investigator dello studio e Chief Information Officer di CVB. Attraverso questa combinazione di dispositivi indossabili e intelligenza artificiale, siamo un passo più vicini al monitoraggio dell'attività individuale correlata all'assistenza sanitaria, come la funzione motoria al di fuori della clinica, liberando il potenziale per la diagnosi precoce e la diagnosi di malattie come il morbo di Parkinson. I risultati di questo nuovo studio proof of concept possono aprire la strada all'uso dei sensori come strumento prezioso per monitorare la progressione dei sintomi del PD in modo più obiettivo e più frequente, afferma il coautore Mark Frasier, Chief Scientific Officer di MJFF: Sebbene siano necessari ulteriori studi, siamo entusiasti del potenziale utilizzo dei dati dei sensori ottenuti attraverso la normale attività di un paziente per consentire ai medici di monitorare e classificare i sintomi del PD in modo semplice ottenere misure obiettive che possono essere utilizzate per migliorare il processo decisionale clinico e guidare gli interventi terapeutici.