Name: パーキンソン病における運動と認知機能の動的デジタルバイオマーカー (動画) | JoVE Journal
Uploaded: 2019-07-24T15:00:00.000+00:00
Duration: 10 min 28 s
Description: 学ぶ パーキンソン病における運動と認知機能の動的デジタルバイオマーカー。ウェアラブルセンサーとEEGを用いて臨床課題をデジタル化し、個別化された治療戦略のための神経疾患シグネチャを追跡する統合的フレームワークを提供します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

この研究の一部は、ラトガース・ディスカバリー・インフォマティクス・インスティテュートからJR、ラトガース大学テックアドバンス・ファンドからEBTとJV、ニュージャージー州知事のEBTへの自閉症の研究と治療のための協議会、およびマイケル・J・フォックス財団からRDに資金提供されています。

ここに記載されているすべての方法は、ラトガース大学機関審査委員会によって承認されています.
1. 参加者と取得システムの設定
<ol><li>参加者からインフォームド・コンセントを取得する。 注:参加者はパーキンソン病と診断されるべきか、または健康なコントロール参加者として機能する神経障害と診断されるべきではありません。健康な参加者は、性別と年齢が患者参加者に一致している必要があります。すべての参加者は、5分間連続して歩くモビリティを持っている必要があります。</li>
	<li>参加者の体の寸法(体の高さ、足の長さ、腕のスパン、足首の高さ、ヒップの高さ、ヒップの幅、膝の高さ、肩幅、肩の高さ)図 2A)後でモーション キャプチャ システムで自分のボディ アバターを作成します。 注:この情報は、参加者の身体の位置データを正確に記録するためにモーションキャプチャシステムで使用されます。</li>
	<li>17のワイヤレスモーショントラッキングセンサーとモーショントラッキングソフトウェアを含むモーションキャプチャシステムを設定します。<ol>
<li>次の身体部分にセンサーを配置:頭部、胸骨、骨盤、右上腕、右上腕、右下腕、右手、左肩、左上腕、左下腕、左上腕、右上脚、右下肢、右下肢、左上脚、左下肢、左下肢足 (図 2B)目立たないように、ストラップバンドでこれらのセンサーを固定します。</li>
		<li>すべてのセンサーが適切な場所に配置されたら、参加者の位置を調整してアバターを作成します。 注:キャリブレーション方法の詳細は、ローテンベルクら9.</li>
	</ol>
</li>
	<li>脳波デバイスと脳波記録ソフトウェアをセットアップします。<ol>
<li>頭皮と記録装置を横切って31のセンサーを参加者の頭の後ろに置きます。次の場所にチャネルセンサーを配置: P7, P4, Cz, Pz, P3, P8, O1, O2, T8, F8, C4, F4, Fp2, Fz, F3, F3, F3, Fp1, T7, F7, PO4, FC6, FC2,AF4, CP6, CP2, CP1, CP1, FC1, FC1, 2</li>
		<li>残りのチャネルセンサー(Oz)をコネクタに取り付け、参加者の左側の胃に接続されたセンサーを配置して心臓信号を測定します(図2C)。</li>
		<li>参加者の左耳の後ろに2つのリファレンスチャンネルセンサーを取り付け、注射器を使用してEEGキャップのセンサーに電極ゲルを挿入します(図2C)。</li>
		<li>完了したら、安定するまで数分間、記録ソフトウェア上の電気活動のストリーミングを開始します。 注:図2Dは、中枢神経系(CNS)および自律神経系(ANS)から利用された脳波信号からのサンプルトレースを示しています。</li>
	</ol>
</li>
	<li>参加者の声をキャプチャするためにマイクを設定します。マイクを参加者の前に置き、ラボ ストリーム 層 (LSL) が実行されているコンピュータに接続します (下の LSL を参照)(図2E)。</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/59827/59827fig2.jpg"> 図 2:目立たないワイヤレスウェアラブルバイオセンサーから複数の波形を統合しながら、従来の臨床試験をデジタル化するように設定します。(A) 描画タスクの設定:収集されるキネマティクスからリアルタイムでレンダリングされた目立たないウェアラブルセンサーとアバターを身に着けている実際の患者。(B) モーションデータが本体全体で同期的に登録される小型で軽量なモーショントラッキングセンサー(60 Hz)のセンサー位置。(C) EEGマップと参照場所。(D) Ozリードから抽出された31の鉛および心信号からのサンプル脳波形。(E) カウントタスク中に参加者の声から波形をサンプルします。<a href="https://www.jove.com/files/ftp_upload/59827/59827fig2large.jpg" target="_blank">この図のより大きなバージョンを表示するには、ここをクリックしてください。</a>
<ol start="6"><li>マウスクリックタイムスタンプと共に、EEG、モーション、およびオーディオ信号のストリームを同期する LSL システムを設定します (図 3A)。<ol>
<li>ラボ レコーダー アプリを開きます。</li>
		<li>マウス用のLSLアプリを開き、社内で構築されたXsens同期アプリを開き、「ストリームから記録」セクションの「マウスボタンとトラッカーキネマティクス」チェックボックスをオンにして、ラボレコーダーアプリにリンクします。 注: マウス アプリは、実験中にイベントにタイムスタンプを設定するために使用されます。</li>
		<li>「オーディオキャプチャーウィン」、LSL-EEG、[ストリームからの録音]セクションの位置をオンにして、脳波、モーション、およびオーディオストリームをラボレコーダーアプリにリンクします。 注:LSLシステムは、時間同期を処理する研究実験で測定時系列を統一的に収集し、ネットワークとリアルタイムアクセス、データの一元的な収集、表示、ディスク記録を可能にします。このプロトコルの文脈では、LSLシステムは、人が自然に伝統的な臨床タスクを実行するように、CNS、末梢神経系(PNS)およびANSから同期的にストリーミングします。</li>
	</ol>
</li>
	<li>ペンタブレットや動き解析ソフト(図3B)など、ペンの動きの記録を設定します。<ol>
<li>描画タブレットとタブレット ペンを参加者の前に置きます。</li>
		<li>動き解析ソフトウェアが記録されるコンピュータにタブレットを接続します。</li>
		<li>タブレットに白い用紙を置き、テープで固定します。 注: 事前に用紙を準備して、参加者が描画するスペースを示すボックスを表示します。</li>
	</ol>
</li>
	<li>録画を開始します。<ol>
<li>LSL、モーションキャプチャソフトウェア、およびEEG記録ソフトウェアのプレスレコード。</li>
		<li>各タスクの開始時と終了時に、モーションキャプチャソフトウェアのタイムスタンプボタンを押してマウスをクリックしてタイムスタンプを押します。 注: この方法では、タイムスタンプは LSL ストリーム データとモーション キャプチャ データの両方に記録されます。これにより、記録中にタイムスタンプ機能の 1 つが失敗した場合に、バックアップ タイムスタンプが確実に作成されます。</li>
	</ol>
</li>
</ol><img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/59827/59827fig3.jpg"> 図 3:共通の中央処理装置のラボストリーム層(LSL)システムによる信号のデジタル化と同期。(A) LSLシステムは、マウスクリックによるモーション(PNS)、EEG(CNS)、ECG(ANS)、音声およびタイムスタンプの同時登録を同期的に可能にします。(B) 標準化された認知テストからの描画タスク中に、ペン先のデジタル化されたタブレットとペン記録キネマティクス(位置)。<a href="https://www.jove.com/files/ftp_upload/59827/59827fig3large.jpg" target="_blank">この図のより大きなバージョンを表示するには、ここをクリックしてください。</a>
2. 実験手順
<ol><li>タスク1 —ベンソン・コンプレックス・フィギュア・コピー(即時)10(1分)を実行します。<ol>
<li>参加者にベンソンの図を紙にコピーし、後でメモリからもう一度引き出す必要があるため、デザインを覚えておくことを参加者に指示します。 注:このテストは、参加者のvisuo構造および視覚記憶機能を評価するように設計されています (図 4A).</li>
	</ol>
</li>
	<li>タスク 2 および 3 — テスト パート A (3 分) を行うトレイル。<ol>
<li>昇順に番号が付いた円の間に線を引くよう参加者に指示します。 注: このセクションには、最初の (タスク 2) がサンプル テスト (8 つの数値で構成される) を完了し、次の (タスク 3) が実際のテストを完了する (25 個の数値からなる) 2 つのタスクがあります。このテストは、陸軍個別試験バッテリー11の構成要素であり、処理速度と執行機能を評価し、ビズモーターおよび知覚スキャンスキルに依存します(図4B)。</li>
	</ol>
</li>
	<li>タスク 4 および 5 — トレイルメイキング テスト パート B (5 分) を実行します。<ol>
<li>数字と文字を交互に昇順に、数字または文字を含む円の間に線を引くよう参加者に指示します。たとえば、シーケンスは A から 1 です。1 から B;B から 2;2~ C. 注: このセクションには、最初の (タスク 4) がサンプル テストを完了する (4 つの数字と 4 文字で構成される) 2 つのタスクがあり、次の (タスク 5) は実際のテストを完了することです (13 の数字と 12 文字で構成されます)。トレイルメイキングテストパートBは、トレイルメイキングテストパートAに似ていますが、参加者が数字セットからレターセットに移行するにつれて、より認知的な柔軟性が必要になります。(図4B)。</li>
	</ol>
</li>
	<li>タスク 6 — クロック描画 (1 分) を実行します。<ol>
<li>参加者に対して、番号1から12のアナログ時計を描き、時間を10時を過ぎて11に設定するように指示します。 注:このテストはMoCA12の一部であり、参加者のビスオ建設スキルを評価します。(図4C)。</li>
	</ol>
</li>
	<li>タスク7 —ベンソン・コンプレックス・フィギュア・コピー(遅延)10(1分)を実施する。<ol>
<li>参加者に、ベンソンの複雑な人物を白紙の紙に記憶から引き出するよう指示する。 注:このテストは、参加者のvisuo構造および視覚記憶機能を評価します。(図4A)。</li>
	</ol>
</li>
	<li>タスク 8 および 9 — 数値スパン テスト (前方および後方)13 (10 分) を実行します。<ol>
<li>実験者が大声で読み上げる数字を繰り返すように参加者に指示します。</li>
		<li>タスク 8 (順方向) の場合は、参加者に同じ順序で数値を繰り返すように指示し、タスク 9 (逆方向) で逆の順序で繰り返すように指示します。どちらの検定にも、フォワードの場合は3~9桁、後方検定では2~8桁のシーケンス長に2つのトライアルがあります。同じ長さの 2 つの数値文字列が失敗するまでテストを続行します。 注: どちらのテストも情報を一時的に保持する容量を測定しますが、後方テスト (タスク 9) では、数値を操作してシーケンスを逆にする機能も測定します。したがって、本プロトコルの文脈において、このタスクは、音声バイオリズム出力に関連してメモリおよび認知成分を測定する。</li>
	</ol>
</li>
</ol><img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59827/59827fig4.jpg"> 図4:臨床的に情報を得たデジタルバイオマーカーとスコアリングカード:臨床基準とデジタル生物物理データの統合を可能にする従来の臨床検査のデジタル化。標準化された認知テストからのサンプルトレース。(A) ベンソン複合体図は、すぐに再現するために参加者に提供された(中央)、またはメモリから10分の遅延後(右)。(B) トレイル 昇順の行で接続する数値を含むタスク (上)、および文字と数字の交互に行われる Trail B タスク (下)。(C) 11時を過ぎて10時に設定する指示を持つ時計を描画します。すべてのサンプル トレースでは、描画タスク中のペン リフトの軌跡を灰色の線で表し、青い線は実際のペン図面を表します。分析のために、我々は両方のタイプの軌道を調べる。<a href="https://www.jove.com/files/ftp_upload/59827/59827fig4large.jpg" target="_blank">この図のより大きなバージョンを表示するには、ここをクリックしてください。</a>
<ol start="7"><li>タスク 10、11、および 12 — ポインティング (10 分) を実行します。<ol>
<li>ターゲットを参加者の前に配置して、ポイントとタッチを行います。</li>
		<li>タスク10(制御)の場合、参加者に対し、支配的な手で自己ペースで目標を40回指し付ける。</li>
		<li>タスク11(メトロノーム)の場合、参加者に自己ペースでターゲットを40回指し、メトロノームビートをバックグラウンドで35bpmに設定するが、メトロノームビートについて何も指示しないように指示する。</li>
		<li>タスク12(ペースポインティング)の場合、35 bpmに設定されたメトロノームビートに続くペースで目標を40回指し示するように参加者に指示する。 注:ポインティングタスクは、意図的に(前方の動き、手が手が目標に達するまでの手が休息している時から)、自発的な(後方の動き、手がターゲットに触れる時から、ターゲットに触れるまで)によって参加者の動きを分離することができます。手は、その休止位置に戻って到達し、それによって参加者が自発的な制御(意図的な動き)を行使しているとき、および参加者がほとんど制御(自発的な動き)を行使しているときの生物物理信号を分析する(図5A)).メトロノームビートを導入し、参加者がメトロノームビートを指すペースを持つことを参加者に要求することで、参加者が自己ペースで動いているときや参加者が積極的に制御しているときに、外部ビートへの移動ペース。</li>
	</ol>
</li>
	<li>13,14,15 —ウォーキング(25分)を行う。<ol>
<li>参加者に3つの異なる条件の下で5分間自然に歩くように指示します。</li>
		<li>タスク13(制御)の場合は、参加者に部屋の周りを自然に歩くように指示する。</li>
		<li>タスク14(メトロノーム)の場合、12 bpmのバックグラウンドで打つメトロノームを設定しながら、参加者に部屋の周りを自然に歩くように指示します。</li>
		<li>タスク15(ペース呼吸)の場合、参加者に12bpmに設定されたメトロノームビートに呼吸数をペースしながら、部屋の周りを自然に歩くように指示します。 注:メトロノームビートを導入することにより、参加者が全身を使用して自己ペースで呼吸し、参加者が積極的に呼吸ペースを制御している間に、生物物理信号を比較することができます(通常は本体全体を移動しながら自動的に発生します(図5B)。</li>
	</ol>
</li>
</ol><img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59827/59827fig5.jpg"> 図5:立体(3D)軌道とその速度振幅時系列出力は、上半身の自発的な動きの間に出力されます。運動障害学会の運動性振戦タスクのバージョンを使用して自発的制御をプローブする目標指向の指摘行動 – 統一パーキンソン病評価尺度 (MDS-UPDRS).(A) 上半身を演じる座り位置の参加者とアバター、ゴール指向のポインティングタスク(上)前方(ターゲットへ)と後方(休止位置へ)の3D位置軌道(左下)の動き。線形速度ベクトルフロー(右下)に由来する速度振幅(m/s)とピーク間間隔タイミング(ms)の時系列の変動を示す対応する線形速度プロファイル。(B) ウォーキングタスクの参加者とアバター(上)異なるボディパーツ(左下)と対応する速度プロファイル(右下)の3D位置軌道。<a href="https://www.jove.com/files/ftp_upload/59827/59827fig5large.jpg" target="_blank">この図のより大きなバージョンを表示するには、ここをクリックしてください。</a>
<ol start="9"><li>タスク 16 と 17 — フェイス ビデオ (10 分) を実行します。<ol>
<li>参加者に快適に座るように指示し、参加者の前にカメラを設置します。</li>
		<li>タスク16(制御)の場合、参加者に5分間刺激のない空間をじっと見つめる。</li>
		<li>タスク17(笑顔)の場合は、参加者に面白いビデオを5分間見るように指示します。 注: セットアップには約 30 分かかり、プロトコル全体の所要時間は約 60 分、PWP の場合はさらに 10 分かかります。</li>
	</ol>
</li>
</ol>

<ol><li>Hawgood, S., Hook-Barnard, I. G., O'Brien, T. C., Yamamoto, K. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Precision+medicine%3A+Beyond+the+inflection+point%5BTitle%5D)+AND+%22Science+Translational+Medicine%22%5BJournal%5D)">Precision medicine: Beyond the inflection point.</a> Science Translational Medicine. 7 (300), 300ps317(2015).</li>
<li>Torres, E. B., Whyatt, C. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aTorres%2C+EB+%22Autism%3A+The+Movement+Sensing+Perspective%22">Autism: The Movement Sensing Perspective</a>. , CRC Press/Taylor & Francis Group. Boca Raton, FA. (2018).</li>
<li>Torres, E. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Toward+Precision+Psychiatry%3A+Statistical+Platform+for+the+Personalized+Characterization+of+Natural+Behaviors%5BTitle%5D)+AND+%22Frontiers+in+Neurology%22%5BJournal%5D)">Toward Precision Psychiatry: Statistical Platform for the Personalized Characterization of Natural Behaviors.</a> Frontiers in Neurology. 7, 8(2016).</li>
<li>Espay, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Technology+in+Parkinson%27s+disease%3A+Challenges+and+opportunities%5BTitle%5D)+AND+%22Movement+Disorders%22%5BJournal%5D)">Technology in Parkinson's disease: Challenges and opportunities.</a> Movement Disorders. 31 (9), 1272-1282 (2016).</li>
<li>Ponsen, M. M., Stoffers, D., Wolters, E. C., Booij, J., Berendse, H. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Olfactory+testing+combined+with+dopamine+transporter+imaging+as+a+method+to+detect+prodromal+Parkinson%27s+disease%5BTitle%5D)+AND+%22Journal+of+Neurology%2C+Neurosurgery+%26+Psychiatry%22%5BJournal%5D)">Olfactory testing combined with dopamine transporter imaging as a method to detect prodromal Parkinson's disease.</a> Journal of Neurology, Neurosurgery & Psychiatry. 81 (4), 396-399 (2010).</li>
<li>Ponsen, M. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Idiopathic+hyposmia+as+a+preclinical+sign+of+Parkinson%27s+disease%5BTitle%5D)+AND+%22Annals+of+Neurology%3A+Official+Journal+of+the+American+Neurological+Association+and+the+Child+Neurology+Society%22%5BJournal%5D)">Idiopathic hyposmia as a preclinical sign of Parkinson's disease.</a> Annals of Neurology: Official Journal of the American Neurological Association and the Child Neurology Society. 56 (2), 173-181 (2004).</li>
<li>Oudre, L., Jakubowicz, J., Bianchi, P., Simon, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classification+of+periodic+activities+using+the+Wasserstein+distance%5BTitle%5D)+AND+%22IEEE+Transactions+on+Biomedical+Engineering%22%5BJournal%5D)">Classification of periodic activities using the Wasserstein distance.</a> IEEE Transactions on Biomedical Engineering. 59 (6), 1610-1619 (2012).</li>
<li>Derkinderen, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Parkinson+disease%3A+the+enteric+nervous+system+spills+its+guts%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Parkinson disease: the enteric nervous system spills its guts.</a> Neurology. 77 (19), 1761-1767 (2011).</li>
<li>Roetenberg, D., Luinge, H., Slycke, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Xsens+MVN%3A+Full+6DOF+human+motion+tracking+using+miniature+inertial+sensors%5BTitle%5D)+AND+%22Xsens+Motion+Technologies+BV%2C+Tech.+Rep%22%5BJournal%5D)">Xsens MVN: Full 6DOF human motion tracking using miniature inertial sensors.</a> Xsens Motion Technologies BV, Tech. Rep. 1, (2009).</li>
<li>Possin, K. L., Laluz, V. R., Alcantar, O. Z., Miller, B. L., Kramer, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distinct+neuroanatomical+substrates+and+cognitive+mechanisms+of+figure+copy+performance+in+Alzheimer%27s+disease+and+behavioral+variant+frontotemporal+dementia%5BTitle%5D)+AND+%22Neuropsychologia%22%5BJournal%5D)">Distinct neuroanatomical substrates and cognitive mechanisms of figure copy performance in Alzheimer's disease and behavioral variant frontotemporal dementia.</a> Neuropsychologia. 49 (1), 43-48 (2011).</li>
<li>Army, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Army+individual+test+battery%5BTitle%5D)+AND+%22Manual+of+Directions+and+Scoring%22%5BJournal%5D)">Army individual test battery.</a> Manual of Directions and Scoring. , (1944).</li>
<li>Nasreddine, Z. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Montreal+Cognitive+Assessment%2C+MoCA%3A+a+brief+screening+tool+for+mild+cognitive+impairment%5BTitle%5D)+AND+%22Journal+of+the+American+Geriatrics+Society%22%5BJournal%5D)">The Montreal Cognitive Assessment, MoCA: a brief screening tool for mild cognitive impairment.</a> Journal of the American Geriatrics Society. 53 (4), 695-699 (2005).</li>
<li>Beekly, D. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+National+Alzheimer%27s+Coordinating+Center+%28NACC%29+database%3A+the+uniform+data+set%5BTitle%5D)+AND+%22Alzheimer+Disease+%26+Associated+Disorders%22%5BJournal%5D)">The National Alzheimer's Coordinating Center (NACC) database: the uniform data set.</a> Alzheimer Disease & Associated Disorders. 21 (3), 249-258 (2007).</li>
<li>Torres, E. B. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aTorres%2C+EB+%22Objective+Biometric+Methods+for+the+Diagnosis+and+Treatment+of+Nervous+System+Disorders%22">Objective Biometric Methods for the Diagnosis and Treatment of Nervous System Disorders</a>. , Academic Press, Elsevier. Cambridge, MA. (2018).</li>
<li>Ryu, J., Torres, E. B. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aRyu%2C+J+%22Fourth+International+Symposium+on+Movement+and+Computing%2C+MOCO%2717%22">Fourth International Symposium on Movement and Computing, MOCO'17</a>. , 1-8 (2017).</li>
<li>Torres, E. B., Donnellan, A. M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aTorres%2C+EB+%22Autism%3A+The+movement+perspective%22">Autism: The movement perspective</a>. , Frontiers Media SA. Lausanne, Switzerland. (2015).</li>
<li>Torres, E. B., Vero, J., Rai, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Statistical+Platform+for+Individualized+Behavioral+Analyses+Using+Biophysical+Micro-Movement+Spikes%5BTitle%5D)+AND+%22Sensors+%28Basel%29%22%5BJournal%5D)">Statistical Platform for Individualized Behavioral Analyses Using Biophysical Micro-Movement Spikes.</a> Sensors (Basel). 18 (4), (2018).</li>
<li>Torres, E. B., Denisova, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motor+noise+is+rich+signal+in+autism+research+and+pharmacological+treatments%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">Motor noise is rich signal in autism research and pharmacological treatments.</a> Scientific Reports. 6, (2016).</li>
<li>Shannon, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+mathematical+theory+of+communication%5BTitle%5D)+AND+%22Bell+System+Technical+Journal%22%5BJournal%5D)">A mathematical theory of communication.</a> Bell System Technical Journal. 27, 623-656 379-423 (1948).</li>
<li>Silverstein, S. M., Wibral, M., Phillips, W. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Implications+of+information+theory+for+computational+modeling+of+schizophrenia%5BTitle%5D)+AND+%22Computational+Psychiatry%22%5BJournal%5D)">Implications of information theory for computational modeling of schizophrenia.</a> Computational Psychiatry. 1, 82-101 (2017).</li>
<li>Jeong, J., Gore, J. C., Peterson, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mutual+information+analysis+of+the+EEG+in+patients+with+Alzheimer%27s+disease%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">Mutual information analysis of the EEG in patients with Alzheimer's disease.</a> Clinical Neurophysiology. 112 (5), 827-835 (2001).</li>
<li>Torres, E. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Autism%3A+the+micro-movement+perspective%5BTitle%5D)+AND+%22Frontiers+in+Integrative+Neuroscience%22%5BJournal%5D)">Autism: the micro-movement perspective.</a> Frontiers in Integrative Neuroscience. 7, 32(2013).</li>
<li>Von Holst, E., Mittelstaedt, H. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVon+Holst%2C+E+%22Perceptual+Processing%3A+Stimulus+equivalence+and+pattern+recognition%22">Perceptual Processing: Stimulus equivalence and pattern recognition</a>. Dodwell, P. C. , Appleton-Century-Crofts. New York. 41-72 (1950).</li>
<li>Torres, E. B., Cole, J., Poizner, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motor+output+variability%2C+deafferentation%2C+and+putative+deficits+in+kinesthetic+reafference+in+Parkinson%27s+disease%5BTitle%5D)+AND+%22Frontiers+in+Human+Neuroscience%22%5BJournal%5D)">Motor output variability, deafferentation, and putative deficits in kinesthetic reafference in Parkinson's disease.</a> Frontiers in Human Neuroscience. 8, 823(2014).</li>
<li>Yanovich, P., Isenhower, R. W., Sage, J., Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatial-orientation+priming+impedes+rather+than+facilitates+the+spontaneous+control+of+hand-retraction+speeds+in+patients+with+Parkinson%27s+disease%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Spatial-orientation priming impedes rather than facilitates the spontaneous control of hand-retraction speeds in patients with Parkinson's disease.</a> PLoS One. 8 (7), e66757(2013).</li>
<li>Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+rates+of+change+of+the+stochastic+trajectories+of+acceleration+variability+are+a+good+predictor+of+normal+aging+and+of+the+stage+of+Parkinson%27s+disease%5BTitle%5D)+AND+%22Frontiers+in+Integrative+Neuroscience%22%5BJournal%5D)">The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson's disease.</a> Frontiers in Integrative Neuroscience. 7, 50(2013).</li>
<li>Torres, E. B., Heilman, K. M., Poizner, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impaired+endogenously+evoked+automated+reaching+in+Parkinson%27s+disease%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Impaired endogenously evoked automated reaching in Parkinson's disease.</a> Journal of Neuroscience. 31 (49), 17848-17863 (2011).</li>
<li>Nguyen, J., Majmudar, U., Papathomas, T. V., Silverstein, S. M., Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Schizophrenia%3A+The+micro-movements+perspective%5BTitle%5D)+AND+%22Neuropsychologia%22%5BJournal%5D)">Schizophrenia: The micro-movements perspective.</a> Neuropsychologia. 85, 310-326 (2016).</li>
<li>Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Atypical+signatures+of+motor+variability+found+in+an+individual+with+ASD%5BTitle%5D)+AND+%22Neurocase%22%5BJournal%5D)">Atypical signatures of motor variability found in an individual with ASD.</a> Neurocase. 19 (2), 150-165 (2013).</li>
<li>Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Signatures+of+movement+variability+anticipate+hand+speed+according+to+levels+of+intent%5BTitle%5D)+AND+%22Behavioral+Brain+Functions%22%5BJournal%5D)">Signatures of movement variability anticipate hand speed according to levels of intent.</a> Behavioral Brain Functions. 9, 10(2013).</li>
<li>Lai, M., Demuru, M., Hillebrand, A., Fraschini, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+between+scalp-and+source-reconstructed+EEG+networks%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">A comparison between scalp-and source-reconstructed EEG networks.</a> Scientific Reports. 8 (1), 12269(2018).</li>
<li>Sporns, O. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSporns%2C+O+%22Networks+of+the+Brain%22">Networks of the Brain</a>. , MIT Press. Cambridge, MA. (2010).</li>
<li>Rubinov, M., Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Complex+network+measures+of+brain+connectivity%3A+uses+and+interpretations%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Complex network measures of brain connectivity: uses and interpretations.</a> Neuroimage. 52 (3), 1059-1069 (2010).</li>
<li>Kalampratsidou, V., Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Peripheral+Network+Connectivity+Analyses+for+the+Real-Time+Tracking+of+Coupled+Bodies+in+Motion%5BTitle%5D)+AND+%22Sensors+%28Basel%29%22%5BJournal%5D)">Peripheral Network Connectivity Analyses for the Real-Time Tracking of Coupled Bodies in Motion.</a> Sensors (Basel). 18 (9), 3117(2018).</li>
<li>Torres, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+rates+of+change+of+the+stochastic+trajectories+of+acceleration+variability+are+a+good+predictor+of+normal+aging+and+of+the+stage+of+Parkinson%27s+disease%5BTitle%5D)+AND+%22Frontiers+in+Integrative+Neuroscience%22%5BJournal%5D)">The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson's disease.</a> Frontiers in Integrative Neuroscience. 7 (50), (2013).</li>
</ol>

著者は何も開示していない。

本研究では、従来の臨床検査と、神経系が出力する生体物理信号からのデジタルデータとの統合を可能にする新しいプロトコルを導入する。SPIBAとMMSを統一プラットフォームとして導入し、鉛筆と紙の観測方法による離散スコアや生体物理センサからの連続デジタルデータなど、異なる種類のデータを組み合わせたものをご紹介します。これらの方法は、PWPのコホートと年齢と性別に一致するコントロールを使用して説明され、比較のための理想的な健全な基準として追加の若いコントロールを使用しています。我々は、従来の臨床試験(例えば、MoCAとMDS-UPDRSの一部である可能性のあるもの)を使用して、コホートを中央値ランク付けし、グループのスコアの固有の変動から自動的に抽出できることを示し、デジタルのデータを階層化する情報臨床的に定義された重症度のレベルに従って領域。このようなレベルは、臨床MDS-UPDRSのレベルと認知/メモリテストのパフォーマンスによく一致します。その後、実装の別の層では、CNS、PNSおよびANS層から利用される神経系のバイオリズムを調べ、異なるレベルの自律性と制御を特徴付ける。我々は、臨床基準の光学を通じて調べ、そのようなデータから導き出されたサンプルデータと確率的シグネチャを提供する。このようなアプローチの下で、我々は健康なコントロールから患者を区別することができます。そして、デジタルバイオリズムを通じて、PWP内で臨床的に定義された重症度のレベルで区別する。
このように生体物理デジタルデータを臨床基準に合わせることにより、結果の個別化されたシフトをより動的に追跡できる解釈可能な基準セットを提供します。これらの新しい結果は、デジタルデータに基づいているため、動的なデジタルバイオマーカーを測定しますが、確立され検証された臨床基準に従って解釈可能な結果を提供します。それらは神経系プロセスの時系列から導き出され、そのような動的な性質を捕捉する。特に、モータと非モータの両方の基準を使用することができます。そのため、従来から障害を定義してきた運動症状の悪化に先行することが知られているPDの非運動的側面を定量化し始めることができる。例えば、ここで提示されたような顔の分析は、レム睡眠中に自発的な顔のマイクロジェスチャーを調べ、運動活動の悪化を予測できるレパートリーを構築するために使用することができる。同様に, これらの方法を使用して、毎日の活動中の痛みのレベルを調べ、レム睡眠時間中の活動との潜在的な相関関係を評価することができます。.レム睡眠と疼痛調節の両方が後でPD 5、6、7の重症度のレベルを定義する運動の問題に先行することが知られているので、これは重要です。様々な従来の臨床タスクのデジタル化を用いて、認知能力と記憶能力をプローブするために使用される臨床タスクに組み込まれた他の非運動活動を特徴とし、そのような活動の指標を運動症状にマッピングした。これらの方法は、パーキンソン病の基礎研究と臨床実践を結び付けるために適しています。彼らはまた、神経系の他の障害に拡張することができます。
顔からの運動出力に加えて、レム睡眠中に、自己感知または運動性リファレンスのフレーム内の自然な社会的状況の間に顔のジェスチャーを調べることができ、患者の脳が最も可能性の高いフィードバックのレベルを測定することができます。ここで、三叉領域V1、V2、V3に対応する顔面領域全体のマイクロジェスチャーの非常に微妙な違いにもかかわらず、顔のどの領域が最大にシフトした代表的な参加者に特定することが可能であった。中立状態と自然に微笑む状態の間を遷移する際の確率的な署名。これは、SPIBAとMMSを用いて、運動タッチチャネルからの感覚入力の困難に関連するPDの他の非モータ(感覚)の側面を評価できることを示唆している。これらは、障害24の初期段階においても、PDにおいて問題があることが見出されている。感覚とモーターが手をつないで行くので、この情報は、この障害の進行の後半に浮かび上がるより明白な運動問題を予測するのに役立ちます1,7.我々は、顔の三叉領域に沿ったこれらの運動チャネルが、睡眠変化5、6に関連するものを含む異なるタイプの疼痛調節を解離するのに役立つかもしれないと考えている。
現在の方法は、異なる認知能力と異なるレベルの自律性を必要とする異なる条件下で、中央、末梢および自律神経系から得られた生物物理信号を並行して調べる新しい方法を提供する。神経モーター制御。標準化されたMMSデータに確率的解析とペアワイズネットワーク解析を適用するSPIBAフレームワークを使用して、認知活動を客観的に特徴付けることもできます。この実験で使用された15のタスクは、異なるタイプの認知スキル(例えば、visuo-構造スキル、視覚記憶、知覚スキャンスキル)と認知制御の異なるレベル(例えば、意図的にポイントをペース)を必要とします。速度、指示に従って呼吸数をペース)。そのため、これらのタスク中に示された生物物理信号のCNS-PNS-ANS情報伝達の確率的および接続性パターンは、異なるレベルの認知負荷とモータ出力への影響を特徴付けるために使用することができる。
新しい分析方法とプロトコルの利点を強調しながら、同期データ収集用の記録プラットフォームを採用する際に考慮すべき注意事項と実用的な制限も指摘します。これは、この設定では、同期のために 1 台のコンピュータにストリーミングする複数の記録ソフトウェアの種類があり、コンピュータの計算能力が高い必要があるか、データの損失、コンピュータのフリーズ、および/または過剰が発生する可能性があるためです。ノイズ。現在の設計では、2つのストリーミングソフトウェア(EEG、モーションキャプチャ)とLSLが1台のコンピュータ上で実行されました。そのため、処理の過負荷とコンピュータのフリーズの可能性に注意する必要がありました。これは、EEGチャネルの1つを使用してECG信号を抽出した理由の1つでした。より高いメモリ容量と高速プロセッサを備えたコンピュータは、キネマティクスのEEGとセンサーグリッドを同時にストリーミングする別のECGソフトウェアを処理できる場合があります。これらの問題は本質的に実用的であり、当社が提供する分析方法(SPIBA)および標準データ型(MMS)とは無関係です。しかし、複数のストリームからのデータ共登録のためのプロトコルを設計する前に、計算能力を評価する必要性をエンドユーザーに警告することが重要であると考えています。
もう一つの注意点は、プロトコルに示されている15のタスクは、動的デジタルバイオマーカーの開発に使用できるもののサブセットである。このホワイト ペーパーでは、スペースの制約によりいくつかのタスクに限定し、異なるレベルの制御と身体の動きを含むタスクを選択し、実際にこのホワイト ペーパーに含まれていない他のタスクを追加できます。私たちの目標は、より少ない時間と労力を必要とするタスクの小さなサブセットを導き出することです。実際、私たちの研究室から、ポインティングタスク(タスク10−12)は、PDを含む自発的なコントロールと神経疾患のレベルが異なるバイオリズムの確率的シグネチャを特徴付ける効果的かつ効率的な方法であることが判明した一連のタスクです。24歳,30.
本研究で示す代表的な結果は、SPIBA法を用いてバイオセンサ波形とカメラのモーションキャプションから導き出されたMMSデータセットで何ができるかの小さなサブセットである。例示のために、MMSを振幅で調べ、人のCOMから導き出される線形速度振幅の変動に焦点を当てた。COMは、当社が共同登録した全17のボディセンサーグリッドからの要約信号です。ただし、解析を他の回転パラメータや、時系列の変動パラメータを生成する他の運動変数(力や圧力など)に拡張できます(例: 顔データと同様)。また、空間的制約のため、頭皮振幅情報に基づくEEGデータの分析のみを図示したが、これらの分析をソース空間31から導き出したデータに適用することもできる。すべてのデータモードについて、時系列を生成するピーク間の時間の確率を調べることもできます(ピーク振幅の代わりに)。他の時系列のパラメータは、このような波形から導き出ることができ、そのMMSは、32、33、34を構築されたネットワークからの凝縮性と接続性を確認するために使用することができます。さらに、これらの分析は、周波数ドメイン34に拡張することもできる。相互情報ネットワーク分析に加えて、PWP とコントロールを区別し、PWP を階層化するために、ネットワークの他のトポロジ機能に焦点を当てることができました。本稿では、これらの分析のツールとしての有用性に焦点を当てていますが、この種の特性を通じて、これらの分析ツールが提供するデジタルデータの臨床的に情報に基づいた解釈を提供する知識を得る。
本研究で説明する現在の方法は、SPIBAとMMSが臨床およびデジタルデータ統合に適用できる多くの可能な方法のいくつかを紹介するのに役立つ。私たちは、最終的に臨床基準のデジタルデータを通知し、同様に従来の鉛筆と紙の方法にデジタルデータからより多くの精度を追加することを期待して、この統一プラットフォーム、標準化されたデータタイプと実験プロトコルを提供しています。このような改善は、1)治療に応答して症状変化のより正確な追跡を可能にし、2)時間の経過とともに自然なPD進行の理解を高め、3)PD症状プレゼンテーションの階層化を容易にする(これは、ユニークな臨床を指示する可能性がある)各サブグループの推奨事項)。そのため、これらの手法をPDのさらなる研究に応用するだけでなく、臨床応用にも役立てていきたいと考えています。携帯電話などの商用グレードのデバイスを使用して、生体物理データを取得して、本稿で示した分析を実行します。現在、ロチェスター大学(https://parkinsonmpower.org)やKaggleのmPowerアプリ研究など、より大きな規模でデジタルデータを収集する取り組みが行われています。実際、これらのオープンアクセスデータリポジトリを使用して、携帯電話から取得した加速度計データからPDと正常な老化した個人を階層化し、ここで提示した臨床試験に組み込まれた活動を自動的に分類することができました。35.
次のステップとして、より広い範囲のPWP集団とその一致したコントロール参加者からより多くのデータを収集し、異なる時点でそれらを記録し、我々の方法を使用して断面分析と縦方向分析の両方を実行できるようにする。このような収集されたデジタルデータは、その部分の合計よりもはるかに多くを提供し、神経学と精神医学における精密医療の理念を真に実現すると予見しています。

精密医療(PM)(図1)は、パーソナライズされた標的治療法を開発するための強力なプラットフォームとして登場しました。がん研究の分野では、このモデルは非常に成功しており、その理念は、近い将来に医療分野に革命を起こすに違いありません1.PMは、患者の自己報告からゲノムに至るまで、複数の知識層を組み合わせたものです。これらすべての層に情報を統合すると、パーソナライズされた評価が行われ、データの解釈が可能になり、人の生活のあらゆる側面を考慮することを目的としたより正確な治療勧告が可能になります。
神経系2、3の神経精神疾患にPMプラットフォームを適応させようとすると、いくつかの課題があり、これらの課題は最近4を表明しています。その中には、取得されたデータの不一致、すなわち観察によって導かれる臨床鉛筆と紙の方法からの離散的なスコア、および神経系出力から物理的に取得された連続的な生体物理学データ(例えば、バイオセンサーを使用)があります。臨床スコアからのデータは、単一の(理論的な)確率分布関数(PDF)を強制するすべての静的モデルに1サイズ適合すると仮定する傾向があります。規範的なデータが最初に取得され、特徴付けられていないため、これは、適切な経験的検証なしでデータに課される事前の仮定です。したがって、健康な人が年齢を取り、これらのパラメータ変動をキャストするために使用される確率空間がある程度変化するにつれて、ヒト神経系の神経典型的な合体状態を記述する適切な類似性メトリックベースの基準はありません。規範的なデータと適切な類似性メトリックがなければ、一般的な状態からの逸脱を測定することは不可能です。また、今後の変更の感覚的な結果を予測することもできません。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59827/59827fig1.jpg"> 図1:精密医療プラットフォーム:行動とゲノミクスのギャップを埋め、神経系の神経学的および神経精神疾患に翻訳された個別化医療における標的治療開発を可能にする。パーソナライズされた標的治療の開発のための精密医療プラットフォームは、神経系の神経および神経精神疾患を診断し、治療するために翻訳することができます。しかし、ナレッジネットワークでは、行動分析の層は、生物物理学データから新たに出現するデジタル成果をより従来の臨床基準と統合するためのパラダイムシフトを必要としています。今後の課題は、このような統合のための統計的に健全な方法と新しい直感的な視覚化ツールを提供すると同時に、臨床医、患者、介護者によるデジタル結果対策の使用を奨励することです。この数字は、米国科学振興協会の許可を受けて、Hawgoodら1から変更されました。<a href="https://www.jove.com/files/ftp_upload/59827/59827fig1large.jpg" target="_blank">この図のより大きなバージョンを表示するには、ここをクリックしてください。</a>
現在の「グランド・平均化」アプローチは、データ内の個人の確率的変動、すなわち、自然に年齢を表す信号変動、障害の進行に伴う信号変動、および人の神経系としてのノイズとして滑らかになります。治療を受け、対応します。規範的なデータの欠如(すなわち、健康な集団の大きな断面および縦方向の部分を評価する)は、健康な老化の神経典型的なダイナミクスを理解するのを妨げる。したがって、病理学が個人に体系的に現れ始めるので、特定の病理の結果をより一般的に予測する方法を知ることが課題になります。予測アプローチは、変性プロセスを遅くする再生療法や神経保護療法を設計するために重要です。パーキンソン病は、障害の症状が他の多くの測定可能な症状に先行する病理の良い例です。我々は今日、目に見える運動障害が、嗅覚機能5、6の減少、音声パターンの変化、急速眼球運動(REM)睡眠7、およびその他の非運動などの目に見えない感覚的な問題に先行していることを知っている。腸神経系の機能に関連する症状8.障害が現れるまでに, システムに既に高いドーパミン作動性枯渇があります。;しかし、非運動症状は、現在主に評価されている目に見える運動障害の一部を予測することができた。
現在の分析モデルを変更し、神経系のすべてのレベルにわたって経験的データを適切に特徴付ける重要性を考慮する必要があり、それによって生体リズム運動が現れ、時系列の形で動的に利用することができる多数のセンサーと共に登録されています。より一般的な意味でのモーションデータは、動きや放送する障害に限定されるべきではありません。神経系のすべてのバイオリズム(非運動波形を含む)からのデジタルデータは、急速な神経変性を予防または遅くするために我々が助ける必要があるかもしれない予測の可能性を提供します。しかし、データ型のレパートリーを補強するにつれて、現在使用されている統計的推論と解釈のためのパラメトリック線形モデルの本質的な仮定を避ける必要があります。確率的なシフトや動的変化の対象となる神経系病理で研究する非常に非線形問題のタイプに対して、このような線形モデルの妥当性を評価することが重要です。現在の仮定分析パイプラインループの注意点は、個別の臨床スコアと連続的なデジタル生物物理波形からのデータタイプの両方に存在します。切断されたままでは、患者による新しいデジタル技術の使用を容易にするために、デジタル結果を臨床基準に合わせる方法で、両方のタイプのデータを適切に統合できる新しいフレームワークを設計することが重要です。介護者や臨床医。
これらの課題のいくつかを克服するために、我々は最近、神経学的および神経精神的条件3のための精密表現型を提供するために図1のPMプラットフォームを適応させました。そのために、認知現象と運動現象の複雑な関係を確認する従来の臨床スコアリングテストと連携して、行動データを収集、分析、解釈する新しい方法を設計しました。より正確には、鉛筆と紙の方法をデジタル化しました。このような方法のみからのデータは、肉眼から逃れる重要な情報をキャプチャするにはあまりにも粗すぎます。しかし、生体物理センサからのデジタルデータと組み合わせて使用することで、新しいデジタル技術と臨床基準を結び付け、近い将来に臨床医に採用を促す新しい手段が提供されます。
ここでは、臨床評価の文脈におけるデジタルデータの利用について紹介する。すなわち、人が臨床タスクを実行するように、例えば、モントリオール認知評価(MoCA)テストで時計を描く、神経系によって出力されるバイオリズムは、異なる機能層間で共登録される。これには、脳波検査(EEG)、心電図(ECGまたはEKG)、身体からの音声パターンと運動学、および人がデジタル化されたタブレット上で時計を描くために使用する手持ち型ペンからの運動学的出力が含まれます。また、人が描く顔からビデオデータを収集し、感情状態の予測を行います。これらのデータは、個別化行動分析(SPIBA)のための新しい統計プラットフォームの光学を通じて分析され、そのようなテストの基礎となる臨床基準に従って解釈されます。より具体的には、離散スコアは、患者のコホートを中央値にランク付けするために使用され、このようにして、その臨床基準に基づいてグループを階層化する。次に、同定されたグループの連続的な生物物理学データを調べ、患者の1つのサブセットを複数のパラメトリック次元にわたって根本的に分離するデジタル駆動の確率的基準を探します。また、連続的な生物理データを独自に調べることにより、コホート内の各人の固有の変動に応えり、臨床基準から盲目に見なすことで、そのようなクラスターが、臨床基準によって知らされたサブタイプが明らかにしたクラスターにどの程度マッピングされるか。
このアプローチは、膨大な生物物理デジタルデータ内のパラメータを識別する新しい方法を提供し、最も効果的にサブタイプ間の違いをキャプチャし、パーキンソン病患者を階層化するための潜在的に良い候補としてそれらの違いをレンダリングしますブラインドにおける疾患(PWP)、すなわち、一般集団からのランダムな引き出しを横切る。この方法の関連性は 2 つあります。バイオセンサーや臨床基準から異なるデータ型を適切に統合しながら、治療を真にパーソナライズすることができます。すなわち、時系列の形で連続的なデジタル生物物理学データ、および従来のテストから離散的な臨床スコア。
これは一般的なアプローチであり、神経系のすべての障害に適用されますが、我々はPWPの文脈の中で作業をフレーム化し、そのようなパフォーマンスの間に共同登録された連続的なデジタルデータに関する統計的推論を行う新しい方法を提供します。離散的な臨床スコアリングシステムを考慮した臨床検査。そのように、仕事は臨床設定で使用することを可能にするデジタル結果の臨床解釈を可能にする。最後に、患者、介護者、臨床担当者が家庭や臨床の設定で使いやすいように、このような個々の結果を視覚化する新しい方法の設計を開始するための推奨事項を提供します。

<table><tbody><tr><td>Enobio 32</td><td>NE Neuroelectrics</td><td>NE006WF</td><td>脳波を記録するためのウェアラブルなワイヤレス電気生理学センサーシステムです。</td></tr><tr><td>インクペン</td><td>ワコム</td><td>KP1302</td><td>タブレットペン</td></tr><tr><td>Intuos Pro</td><td>Wacom</td><td>PTH451</td><td>ペンタブレット</td></tr><tr><td>ラボストリームレイヤーシステム</td><td>n/a</td><td>n/a</td><td>さまざまなデバイスを同期するオープンソースソフトウェア</td></tr><tr><td>マイク</td><td>Zaffiro</td><td>B07BDFP6XC</td><td>コンピューターマイク</td></tr><tr><td>MovAlyzeR</td><td>Neuroscript</td><td>バージョン6.1.0.0。</td><td>ペンの動きキャプションソフトウェア</td></tr><tr><td>MTw Awinda ワイヤレス モーション トラッカー</td><td>Xsens</td><td>MTw Awinda</td><td>モーション キャプチャ システム</td></tr><tr><td>MVN Analyze</td><td>Xsens</td><td>Version 2019</td><td>モーション トラッキング ソフトウェア</td></tr><tr><td>NIC 2.0</td><td>NE Neuroelectrics</td><td>NE001SW2</td><td>Neuroelectrics Instrument Controller (NIC) EEG ストリーミング ソフトウェア</td></tr><tr><td>OpenPose</td><td>n/a</td> n<td>/a</td><td>顔情報を抽出するためのオープンソースの機械学習ソフトウェア</td></tr></tbody></table>

パーキンソン病における運動と認知機能の動的デジタルバイオマーカー

Dynamic Digital Biomarkers of Motor and Cognitive Function in Parkinson's Disease

パーキンソン病(PD)は異種疾患であり、ケアを最適化するためには個別化医療が本当に必要です。現在の形では、紙と鉛筆の症状-疾患の進行を追跡するために伝統的に使用される尺度の基準スコアは、途方もない症状に直面して、検討中の臨床現象の粒度を捕捉するには粗すぎる(離散的)。多様 性。このため、センサー、ウェアラブル、モバイルデバイスは、ますますPD研究や日常的なケアに組み込まれています。これらのデジタルメジャーは、従来のメジャーよりも標準化され解釈しにくいデータをより正確に生成しますが、その結果、2 種類のデータは大きくサイロ化されたままです。これらの問題の両方は、分野の最も精密な評価ツールの広範な臨床応用への障壁を提示する。このプロトコルは、両方の問題を解決します。従来のタスクを使用して認知と運動制御を測定し、参加者をテストし、ウェアラブルを使用して目立たない生物物理信号を同時登録します。その後、従来の紙と鉛筆の方法のスコアを、継続的に登録するデジタルデータと統合します。私たちは、新しい標準化されたデータ型と統一された統計プラットフォームを提供し、異なる状態下で人の確率的シグネチャの変化を動的に追跡し、神経運動制御の異なる機能レベルをプローブすることができます。自律神経に自発的に。プロトコルと標準化された統計フレームワークは、検証された臨床スケールに対応するPDの物理的および認知機能の動的なデジタルバイオマーカーを提供し、その精度を大幅に向上させます。

このプロトコルは、パーキンソン病の認知と運動制御を測定するために一般的に使用される従来の臨床タスクの一部のデジタル化を提供します。臨床タスクはデジタル化され、生物物理学のリズムは、自発的、自発的、自動、自律神経に至るまで、神経系の異なる機能レベルから共登録されます。

As Parkinson&#8217;s disease (PD) is a heterogeneous disorder, personalized medicine is truly required to optimize care. In their current form, standard ...

このプロトコルは、認知と運動の重症度によって異種性パーキンソン病を階層化するのに役立ちます。ウェアラブルセンサーを使用して、医師が一般的に使用する臨床タスクをデジタル化することができます。神経系の異なる機能レベルにわたる活動を共同登録することにより、我々はパーキンソン病の動的なデジタルバイオマーカーを生成するために、認知、運動、および感情の非常に有益なパラメータを同定する。この研究は、特定の治療または治療を受けるコホート全体の進化と共に、神経疾患のシグネチャをパーソナライズされた方法で特徴付け、追跡するための統一された枠組みを提供する。この技術は、分子から細胞、行動に至るまでの自己生成生物学的活動によって生じる統計的変動性のシグネチャの変化を動的に追跡するための統一された統計的プラットフォームを提供します。複数のソフトウェアをストリーミングするには多くのコンピュータメモリが必要なので、計算能力の高いコンピュータを使用することをお勧めします。私たちは、自然な動きの間に、脳、体、心臓を同時に記録するために複数のデバイスを使用するので、ビデオなどの動的媒体がこれを最もよく説明するでしょう。私の研究室の手順をデモンストレーションすることは、大学院生のジヒエ・リュウとジョセフ・ベロです。参加者からインフォームド・コンセントを得た後、参加者の身体寸法を測定して、モーションキャプチャシステムで自分の体のアバターを作成できるようにします。次に、17個のワイヤレスモーショントラッキングセンサーとモーショントラッキングソフトウェアを含むモーションキャプチャシステムを設定します。指示されているように、すべての身体部分にセンサーを配置し、妨げられない動きを可能にするために、ストラップバンドでセンサーを固定します。すべてのセンサーが配置されたら、参加者の位置を調整してアバターを作成します。EEGデバイスと録音ソフトウェアを設定するには、頭皮全体に31個のチャンネルセンサーを配置し、記録装置をヘッドの背面に置きます。最後のチャンネルセンサーをコネクタに取り付けて心臓信号を測定し、参加者の胃の左側にセンサーを配置します。次に、参加者の左耳の後ろのリファレンスチャンネルセンサーに取り付け、注射器を使用してEEGキャップのセンサーに電極ゲルを挿入します。評価中に参加者の声をキャプチャするには、参加者の前にマイクを置き、ラボ ストリーム レイヤーを実行するコンピューターにマイクを接続します。次に、EEG、モーション、オーディオ、およびマウスクリックのタイムスタンプのストリームを同期するようにラボストリームレイヤーシステムを設定するには、ラボレコーダーアプリを開き、マウスとオーディオキャプチャwinアプリ用のラボストリームレイヤーアプリを開いてリンクし、社内で構築されたxsense同期アプリを開きます。ラボレコーダーアプリのストリームセクションからのレコードで、Update'を押してストリーミング項目の完全なリストを取得し、AudioCaptureWin'EEG'MouseButtons'PositionとTrackerKinematicsのボックスをオンにして、オーディオ、EEG、マウスクリック、およびラボストリームレイヤーシステムを介したモーションをリンクします。ペンタブレットや動き解析ソフトウェアを含むペンの動きをキャプチャするための記録を設定し、描画タブレットとタブレットペンを参加者の前に配置します。移動解析ソフトウェアが記録されるコンピュータにタブレットを接続し、タブレットにホワイト ペーパーをテープで貼ります。次に、ラボストリームレイヤー、モーションキャプチャソフトウェア、およびEEG記録ソフトウェアでレコードを押します。各タスクの開始と終了で、モーション キャプチャ ソフトウェアのタイム スタンプ ボタンをクリックして、タスクのタイムスタンプを指定します。タイム スタンプ ボタンをクリックしたときに実際の時間をバックアップとして書き留めるので、後でデータを見ると、タイムスタンプからタスクを識別できます。ベンソンの複雑な図形のコピーをすぐに使用する場合は、後でメモリからデザインを再描画するように求められるため、ベンソンの図を紙にコピーし、デザインを覚えておくように指示します。証跡作成テストのパート A では、参加者に、昇順で番号が付いた円の間に線を引くように指示します。トレイル作成テストのパート B を実行するには、数字と文字を交互に使用しながら、数字または文字を含む円の間に線を引くように指示します。時計を描画するタスクの場合は、参加者に 1 から 12 までの数字でアナログ時計を描画し、時間を 11 時 10 分の 10 に設定するように指示します。ベンソンの複雑な図のコピーを遅らせるには、参加者にベンソンの複雑な図を空白の紙にメモリから描くように指示します。前方番号ファンテストを行うには、実験者が同じ順序で大声で読み上げる番号を繰り返すように参加者に指示します。逆方向のファン テストの場合は、実験者が逆の順序で大声で読み上げる番号を繰り返すように参加者に指示します。ポインティング タスクの場合、ターゲットを参加者の前に配置してポイントしてタッチし、参加者に対して、優勢な手で自己ペースでターゲットを 40 回ポイントするように指示します。メトロノームポインティングタスクの場合は、参加者に自己ペースで40回ポイントするように指示し、メトロノームをバックグラウンドで毎分35拍に設定しますが、メトロノームビートについては何も指示しないでください。ペースの速いポインティングタスクの場合は、1分間に35拍に設定されたメトロノームビートのペースに続いて、目標を40回指し示します。歩行作業を行うためには、まず5分間、自然に部屋の周りを歩くように指示します。次に、1分間に12拍のメトロノームをバックグラウンドで打つように設定しながら、部屋の周りを自然に歩くように指示します。その後、毎分12拍に設定されたメトロノームビートに彼らの呼吸速度をペースしながら、部屋の周りを自然に歩くように参加者に指示します。顔のビデオの場合は、まず、参加者に快適に座って、参加者の前にカメラを設置するように指示します。制御評価では、参加者に対して、5分間の刺激を受けずに空間を見つめる指示を行います。笑顔の評価のために、参加者に面白いビデオを5分間見るように指示します。各描画タスクでは、この代表的な研究の患者は、運動障害協会統一パーキンソン病評価尺度中位スコアに従って運動変動の個々の確率的シグネチャを区別し、コントロールとは別に階層化した。様々なレベルの意志制御を評価するために、容量目標を指すタスクが実行され、この図は、この障害の参加者の重症度が高くなるにつれて、質量軌道の中心の劣化を示している。このアッセイを用いて、パーキンソン病患者の各サブタイプを区別し、患者の確率的シグネチャのベースラインから、自発的および指示されていない、意図的かつ指示された症例の両方のメトロノーム関連のポインティングタスクへの変化を追跡することができる。自動歩行評価では、運動障害学会がパーキンソン病評価尺度スコアを統一した中ランクのパーキンソン病患者と対照のための質量軌道の中心を得ることができる。歩行作業の確率的分析を行い、患者とコントロールの間で、および疾患の異なる重症度を有する患者の間で分化することができる。オープンポーズソフトウェアを使用すると、特定のタスク中に最もアクティブな顔の領域を確認したり、タスク中に感情間の領域遷移を確認して感情的なコンテンツを調査したりできます。EEG、マグノトメータモーション、EKGのデジタル生体物理信号を統合し、情報理論測定とネットワーク接続解析を用いることで、患者とコントロールを区別し、重症度の異なる患者間で、ネットワークの密度を調べることで区別することが可能です。脳のデジタル化されたデータを使用して、身体信号を信号として、相互相関や相互一貫性など、さまざまな分析を適用して、異なるバイオ信号モード間の相互活動性を特徴付けることができます。私たちの研究室は、痛みなどの他の神経学的および行動障害を特徴付け、具現化された認知を研究するためにこれらの方法を拡張し、これらのすべてが異なる質問に対処しています。

dynamic-digital-biomarkers-motor-cognitive-function-parkinson-s

Research

JoVE Journal

Behavior

行動

一般的にパーキンソン病と運動障害では、高感度かつ信頼性のある行動アッセイは小説潜在治療をテストするために不可欠です。ここでは、黒質線条体系への損傷の程度の差に敏感と前臨床研究のために有用であるマウスのために感覚テストの管理可能なバッテリーを記述します。...

パーキンソン病のマウスモデルにおける感覚運動機能の評価

適応深部脳刺激（のADB）は、症状の改善、パーキンソン病に対して有効であり、従来の深部脳刺激（CDBS）と比較して消費電力を低減する。 ADBSでは、リアルタイムで局所電場潜在バイオマーカー（ベータ振動振幅）を追跡し、刺激のタイミングを制御するために、これを使用しています。...

アダプティブ脳深部刺激とパーキンソン病の防除

脳深部刺激療法(DBS)はパーキンソン病の効果的な治療選択肢です。私たちは、ラットの新規刺激パラダイムをスクリーニングするための研究デザインを確立しました。このプロトコルでは、DBS...

Hemiparkinsonianラットにおける脳深部刺激効果のモーターの成果を評価するための新しいアプローチ：階段室とシリンダーテスト

MPTP と運動機能を測定するシリンダーとオープン フィールド テストを使用して行動のアセスメントを用いたパーキンソン病のマウスモデルの確立について述べる。一例として L-DOPA を使用して、PD...

マウス MPTP 誘発パーキンソン病モデルにおける自発運動の行動評価

運動能力の包括的な行動テスト...

運動能力、気分およびマウスにおける認知の繰り返しの評価のための行動テスト バッテリー

ここでは、非認知症パーキンソン病患者における眼球運動パラメータと認知機能との関係を研究するプロトコルを提示する。実験では、アイトラッカーを使用して、視覚的な検索タスクでサカディック振幅と固定時間を測定しました。その後、マルチドメイン認知タスクのパフォーマンスとの相関関係を測定した。...

眼球追跡を用いた非認知症パーキンソン病患者における眼球運動パラメータと認知機能の関係の特徴付け

ここでは、トレイルメイキングテストの紙鉛筆バージョンから派生した2種類の認知評価ツールを実行する方法を示すプロトコルを紹介します。...

従来のトレイルメイキングテストを新しい評価ツールに変更:デジタルトレイルとウォーキングトレイルメイキングテスト

バーチャルリアリティ(VR)は、神経疾患の診断と治療を進めるための強力でありながら十分に活用されていないアプローチです。クリーブランドクリニックバーチャルリアリティショッピングプラットフォームは、最先端のVRコンテンツと無指向性トレッドミルを組み合わせて、神経疾患の前駆マーカーとして提案されている日常生活の機器活動を定量化します。...

没入型クリーブランドクリニックバーチャルリアリティショッピングプラットフォームは、日常生活の機器活動の評価のための

現在の研究では、機械学習を使用して、TgF344-ADラットを含むげっ歯類モデルの運動障害を調べるための細かい運動行動テストについて説明しています。...

神経変性疾患の前臨床モデルにおける関節運動学を研究するための微細運動課題

これは、腹側ビジュアルストリームからトップダウン信号が運動にどのように影響するかは不明である。我々は、3D奥行き反転錯覚に目標に向けた運動行動をテストするためのパラダイムを開発しました。有意差は幻想と真実を告げる観察条件の下で意図的な、目標指向の動きや自動アクションの両方で報告されている。...

運動行動上のトップダウン視覚プロセスの影響を探索する方法

学ぶ パーキンソン病における運動と認知機能の動的デジタルバイオマーカー。ウェアラブルセンサーとEEGを用いて臨床課題をデジタル化し、個別化された治療戦略のための神経疾患シグネチャを追跡する統合的フレームワークを提供します。

パーキンソン病における運動と認知機能の動的デジタルバイオマーカー

さらに動画を探す