De kliniek thuis brengen: een multimodaal ecosysteem voor gegevensverzameling thuis ter ondersteuning van adaptieve diepe hersenstimulatie

Adaptieve diepe hersenstimulatie (aDBS) is veelbelovend voor het verbeteren van de behandeling van neurologische aandoeningen zoals de ziekte van Parkinson (PD). aDBS maakt gebruik van symptoomgerelateerde biomarkers om stimulatieparameters in realtime aan te passen om de symptomen nauwkeuriger aan te pakken. Om deze dynamische aanpassingen mogelijk te maken, moeten voor elke individuele patiënt parameters voor een aDBS-algoritme worden bepaald. Dit vereist tijdrovende handmatige afstemming door klinische onderzoekers, waardoor het moeilijk is om een optimale configuratie te vinden voor een enkele patiënt of om op te schalen naar veel patiënten. Bovendien blijft de effectiviteit op lange termijn van aDBS-algoritmen die in de kliniek worden geconfigureerd terwijl de patiënt thuis is, een open vraag. Om deze therapie op grote schaal te implementeren, is een methodologie nodig om automatisch aDBS-algoritmeparameters te configureren en tegelijkertijd de therapieresultaten op afstand te monitoren. In dit artikel delen we een ontwerp voor een platform voor gegevensverzameling thuis om het veld te helpen beide problemen aan te pakken. Het platform bestaat uit een geïntegreerd hardware- en software-ecosysteem dat open-source is en het mogelijk maakt om thuis neurale, traagheids- en multicamera-videogegevens te verzamelen. Om de privacy van patiëntidentificeerbare gegevens te waarborgen, versleutelt en draagt het platform gegevens over via een virtueel particulier netwerk. De methoden omvatten het op elkaar afstemmen van datastromen in de tijd en het extraheren van pose-schattingen uit video-opnamen. Om het gebruik van dit systeem te demonstreren, hebben we dit platform ingezet bij een persoon met PD thuis en gegevens verzameld tijdens zelfgeleide klinische taken en perioden van vrij gedrag in de loop van 1,5 jaar. Gegevens werden geregistreerd bij subtherapeutische, therapeutische en supratherapeutische stimulatieamplitudes om de ernst van motorische symptomen onder verschillende therapeutische omstandigheden te evalueren. Deze op de tijd afgestemde gegevens tonen aan dat het platform in staat is om thuis multimodale gegevensverzameling te synchroniseren voor therapeutische evaluatie. Deze systeemarchitectuur kan worden gebruikt om geautomatiseerd aDBS-onderzoek te ondersteunen, om nieuwe datasets te verzamelen en om de langetermijneffecten van DBS-therapie buiten de kliniek te bestuderen voor mensen die lijden aan neurologische aandoeningen.