Ramener la clinique à la maison : un écosystème de collecte de données multimodales à domicile pour soutenir la stimulation cérébrale profonde adaptative

Résumé

Le protocole montre un prototype de la plate-forme de collecte de données multimodale à domicile qui soutient la recherche sur l’optimisation de la stimulation cérébrale profonde adaptative (aDBS) pour les personnes atteintes de troubles neurologiques du mouvement. Nous présentons également les principales conclusions du déploiement de la plateforme depuis plus d’un an au domicile d’une personne atteinte de la maladie de Parkinson.

Résumé

La stimulation cérébrale profonde adaptative (SCP) est prometteuse pour améliorer le traitement des troubles neurologiques tels que la maladie de Parkinson (MP). La SCP utilise des biomarqueurs liés aux symptômes pour ajuster les paramètres de stimulation en temps réel afin de cibler les symptômes avec plus de précision. Pour permettre ces ajustements dynamiques, les paramètres d’un algorithme aDBS doivent être déterminés pour chaque patient. Cela nécessite un réglage manuel fastidieux de la part des chercheurs cliniques, ce qui rend difficile la recherche d’une configuration optimale pour un seul patient ou l’adaptation à de nombreux patients. De plus, l’efficacité à long terme des algorithmes de SCP configurés en clinique pendant que le patient est à domicile reste une question ouverte. Pour mettre en œuvre cette thérapie à grande échelle, une méthodologie permettant de configurer automatiquement les paramètres de l’algorithme aDBS tout en surveillant à distance les résultats de la thérapie est nécessaire. Dans cet article, nous partageons la conception d’une plate-forme de collecte de données à domicile pour aider le terrain à résoudre ces deux problèmes. La plate-forme est composée d’un écosystème matériel et logiciel intégré qui est open-source et permet la collecte à domicile de données vidéo neuronales, inertielles et multi-caméras. Pour garantir la confidentialité des données d’identification des patients, la plateforme crypte et transfère les données via un réseau privé virtuel. Les méthodes comprennent l’alignement temporel des flux de données et l’extraction d’estimations de pose à partir d’enregistrements vidéo. Pour démontrer l’utilisation de ce système, nous avons déployé cette plateforme au domicile d’une personne atteinte de la maladie de Parkinson et recueilli des données au cours de tâches cliniques autoguidées et de périodes de comportement libre sur une période d’un an et demi. Les données ont été enregistrées à des amplitudes de stimulation sous-thérapeutique, thérapeutique et supra-thérapeutique afin d’évaluer la sévérité des symptômes moteurs dans différentes conditions thérapeutiques. Ces données alignées dans le temps montrent que la plateforme est capable de collecter des données multimodales synchronisées à domicile pour l’évaluation thérapeutique. Cette architecture de système peut être utilisée pour soutenir la recherche automatisée sur la SCP, pour recueillir de nouveaux ensembles de données et pour étudier les effets à long terme de la thérapie par SCP en dehors de la clinique pour les personnes souffrant de troubles neurologiques.

Introduction

La stimulation cérébrale profonde (SCP) traite les troubles neurologiques tels que la maladie de Parkinson (MP) en délivrant un courant électrique directement à des régions spécifiques du cerveau. On estime à 8,5 millions le nombre de cas de maladie de Parkinson dans le monde, et la SCP s’est avérée être un traitement essentiel lorsque les médicaments sont insuffisants pour gérer les symptômes ^1,2. Cependant, l’efficacité de la SCP peut être limitée par des effets secondaires qui surviennent parfois lors d’une stimulation conventionnelle délivrée à une amplitude, une fréquence et une largeur d’impulsion fixes<....

Protocole

Les patients sont recrutés dans le cadre d’une étude plus vaste approuvée par l’IRB et l’IDE sur l’aDBS à l’Université de Californie à San Francisco, protocole # G180097⁵. Le patient inscrit à cette étude a également donné son consentement éclairé spécifiquement pour cette étude.

1. Composants du système domestique

1. Serveur central et VPN
   1. Faites l’acquisition d’un ordinateur personnel (PC) exécutant un système d’exploitation (OS) basé sur Linux dédié à la diffusion d’un VPN. Rangez la machine dans une pièce sécurisée. Le disque crypte la machine pour assurer la sécurité des données.

Discussion

Nous partageons la conception d’un prototype à domicile d’une plateforme de collecte de données multimodale pour soutenir les recherches futures en neuromodulation. La conception est open-source et modulaire, de sorte que n’importe quelle pièce de matériel peut être remplacée et que n’importe quel composant logiciel peut être mis à jour ou modifié sans que l’ensemble de la plate-forme ne s’effondre. Bien que les méthodes de collecte et d’anonymisation des données neuronales soient spécifiques à.......

matériels

Name	Company	Catalog Number	Comments
Analysis RCS Data Processing	OpenMind		https://github.com/openmind-consortium/Analysis-rcs-data, open-source
Apple Watches	Apple, Inc		Use 2 watches for each patient, one on each wrist
BRIO ULTRA HD PRO BUSINESS WEBCAM	Logitech	960-001105	Used 3 in our platform design
DaVinci Resolve video editing software	DaVinci Resolve		used to support camera calibration
Dell XPS PC	Dell		2T hard disk drive, 500GB SSD
Dropbox	Dropbox
ffmpeg	N/A		open-source, install to run the Video Recording App
Gooseneck mounts for webcams	N/A
GPU	Nvidia		A minimum of 8GB GPU memory is recommended to run OpenPose, 12GB is ideal
Java 11	Oracle		Install to run the Video Recording App
Microsoft Surface tablet	Microsoft
NoMachine	NoMachine		Ideal when using a Linux OS, open-source
OpenPose	N/A		open-source
Rclone file transfer program	Rclone		Encrypts data and copies or moves data to offsite storage, open-source
StrivePD app	RuneLabs		We installed the app on the Apple Watches to start recordings and upload data to an online portal.
Summit RC+S neuromodulation system	Medtronic		For investigational use only
touchscreen-compatible monitor	N/A
Video for Linux 2 API	The Linux Kernel		Install if using a Linux OS for video recording
Wasabi	Wasabi		Longterm cloud data storage
WireGuard VPN Protocol	WireGuard		open-source