إعادة العيادة إلى المنزل: نظام بيئي متعدد الوسائط لجمع البيانات في المنزل لدعم التحفيز العميق التكيفي للدماغ

Gabrielle Strandquist; Tomasz Frączek; Tanner Dixon; Shravanan Ravi; Raphael Bechtold; Daryl Lawrence; Alicia Zeng; Jack Gallant; Simon Little; Jeffrey Herron

doi:10.3791/65305

يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة منهجية

إعادة العيادة إلى المنزل: نظام بيئي متعدد الوسائط لجمع البيانات في المنزل لدعم التحفيز العميق التكيفي للدماغ

2.4K مشاهدة

⸱

DOI:

10.3791/65305

⸱

يوليو 14, 2023

Gabrielle Strandquist¹ , Tomasz Frączek² , Tanner Dixon³ , Shravanan Ravi³ , Raphael Bechtold⁴ , Daryl Lawrence⁵ , Alicia Zeng⁶ , Jack Gallant⁷ , Simon Little³ , Jeffrey Herron⁸

¹Computer Science and Engineering, University of Washington, ²Neuroscience, University of Washington, ³Neurology, University of California, San Francisco, ⁴Bioengineering, University of Washington, ⁵Bioengineering, University of California, Berkeley, ⁶Biophysics, University of California, Berkeley, ⁷Psychology, University of California, Berkeley, ⁸Neurological Surgery, University of Washington

في هذه المقالة

ملخص

يعرض البروتوكول نموذجا أوليا لمنصة جمع البيانات متعددة الوسائط في المنزل التي تدعم البحث الذي يحسن التحفيز العميق التكيفي للدماغ (aDBS) للأشخاص الذين يعانون من اضطرابات الحركة العصبية. نقدم أيضا النتائج الرئيسية من نشر المنصة لأكثر من عام في منزل فرد مصاب بمرض باركنسون.

الملخص

يظهر التحفيز العميق التكيفي للدماغ (aDBS) وعدا لتحسين علاج الاضطرابات العصبية مثل مرض باركنسون (PD). يستخدم aDBS المؤشرات الحيوية المتعلقة بالأعراض لضبط معلمات التحفيز في الوقت الفعلي لاستهداف الأعراض بشكل أكثر دقة. لتمكين هذه التعديلات الديناميكية ، يجب تحديد معلمات خوارزمية aDBS لكل مريض على حدة. وهذا يتطلب ضبطا يدويا يستغرق وقتا طويلا من قبل الباحثين السريريين ، مما يجعل من الصعب العثور على التكوين الأمثل لمريض واحد أو التوسع ليشمل العديد من المرضى. علاوة على ذلك ، تظل الفعالية طويلة المدى لخوارزميات aDBS التي تم تكوينها في العيادة أثناء وجود المريض في المنزل سؤالا مفتوحا. لتنفيذ هذا العلاج على نطاق واسع ، هناك حاجة إلى منهجية لتكوين معلمات خوارزمية aDBS تلقائيا أثناء مراقبة نتائج العلاج عن بعد. في هذه الورقة ، نشارك تصميما لمنصة لجمع البيانات في المنزل لمساعدة الميدان على معالجة كلتا المشكلتين. تتكون المنصة من نظام بيئي متكامل للأجهزة والبرامج مفتوح المصدر ويسمح بجمع بيانات الفيديو العصبية والقصور الذاتي والمتعددة الكاميرات في المنزل. لضمان خصوصية البيانات التي يمكن التعرف عليها من قبل المريض ، تقوم المنصة بتشفير البيانات ونقلها من خلال شبكة خاصة افتراضية. تتضمن الطرق محاذاة تدفقات البيانات واستخراج تقديرات الوضع من تسجيلات الفيديو. لإثبات استخدام هذا النظام ، قمنا بنشر هذه المنصة في منزل فرد مصاب بمرض باركنسون وجمعنا البيانات خلال المهام السريرية ذاتية التوجيه وفترات السلوك الحر على مدار 1.5 عام. تم تسجيل البيانات بسعات التحفيز دون العلاجية والعلاجية وفوق العلاجية لتقييم شدة الأعراض الحركية في ظل ظروف علاجية مختلفة. تظهر هذه البيانات المتوافقة مع الوقت أن النظام الأساسي قادر على جمع البيانات متعددة الوسائط المتزامنة في المنزل للتقييم العلاجي. يمكن استخدام بنية النظام هذه لدعم أبحاث aDBS الآلية ، وجمع مجموعات بيانات جديدة ودراسة الآثار طويلة المدى لعلاج DBS خارج العيادة لأولئك الذين يعانون من الاضطرابات العصبية.

المقدمة

يعالج التحفيز العميق للدماغ (DBS) الاضطرابات العصبية مثل مرض باركنسون (PD) عن طريق توصيل التيار الكهربائي مباشرة إلى مناطق معينة في الدماغ. هناك ما يقدر بنحو 8.5 مليون حالة من مرض باركنسون في جميع أنحاء العالم ، وقد أثبت DBS أنه علاج حاسم عندما يكون الدواء غير كاف لإدارة الأعراض ^1,2. ومع ذلك ، يمكن تقييد فعالية DBS بسبب الآثار الجانبية التي تحدث أحيانا من التحفيز الذي يتم تسليمه تقليديا بسعة ثابتة وتردد وعرض النبضة³. لا يستجيب تنفيذ الحلقة المفتوحة هذا للتقلبات في حالة الأعراض ، مما يؤدي إلى إعدادات تحفيز لا تتوافق بشكل مناسب مع الاحتياجات المتغيرة للمريض. كما يتم إعاقة التحفيز العميق ل....