מביאים את המרפאה הביתה: מערכת אקולוגית ביתית רב-מודאלית לאיסוף נתונים לתמיכה בגירוי מוחי עמוק אדפטיבי

גירוי מוחי עמוק אדפטיבי (aDBS) מראה הבטחה לשיפור הטיפול בהפרעות נוירולוגיות כגון מחלת פרקינסון (PD). aDBS משתמש בסמנים ביולוגיים הקשורים לתסמינים כדי להתאים את פרמטרי הגירוי בזמן אמת כדי להתמקד בסימפטומים בצורה מדויקת יותר. כדי לאפשר התאמות דינמיות אלה, יש לקבוע פרמטרים עבור אלגוריתם aDBS עבור כל מטופל בנפרד. זה דורש כוונון ידני גוזל זמן על ידי חוקרים קליניים, מה שמקשה על מציאת תצורה אופטימלית עבור מטופל בודד או קנה מידה לחולים רבים. יתר על כן, היעילות ארוכת הטווח של אלגוריתמי aDBS המוגדרים במרפאה בזמן שהמטופל בבית נותרה שאלה פתוחה. כדי ליישם טיפול זה בקנה מידה גדול, יש צורך במתודולוגיה להגדרה אוטומטית של פרמטרים של אלגוריתם aDBS תוך ניטור מרחוק של תוצאות הטיפול. במאמר זה, אנו חולקים תכנון עבור פלטפורמת איסוף נתונים ביתית כדי לעזור לשטח לטפל בשתי הבעיות. הפלטפורמה מורכבת מאקוסיסטם משולב של חומרה ותוכנה שהוא קוד פתוח ומאפשר איסוף ביתי של נתוני וידאו עצביים, אינרציאליים ומרובי מצלמות. כדי להבטיח פרטיות עבור נתונים הניתנים לזיהוי מטופלים, הפלטפורמה מצפינה ומעבירה נתונים באמצעות רשת וירטואלית פרטית. השיטות כוללות יישור זמן של זרמי נתונים וחילוץ הערכות תנוחה מהקלטות וידאו. כדי להדגים את השימוש במערכת זו, פרסנו פלטפורמה זו בביתו של אדם עם פרקינסון ואספנו נתונים במהלך משימות קליניות בהדרכה עצמית ותקופות של התנהגות חופשית במשך שנה וחצי. הנתונים נרשמו באמפליטודות גירוי תת-טיפוליות, טיפוליות ועל-טיפוליות כדי להעריך את חומרת הסימפטומים המוטוריים בתנאים טיפוליים שונים. נתונים אלה המותאמים בזמן מראים כי הפלטפורמה מסוגלת לאיסוף נתונים רב-מודאלי מסונכרן בבית לצורך הערכה טיפולית. ארכיטקטורת מערכת זו עשויה לשמש לתמיכה במחקר aDBS אוטומטי, לאיסוף מערכי נתונים חדשים ולחקר ההשפעות ארוכות הטווח של טיפול DBS מחוץ למרפאה עבור אלה הסובלים מהפרעות נוירולוגיות.