Att ta hem kliniken: Ett multimodalt ekosystem för datainsamling i hemmet för att stödja adaptiv djup hjärnstimulering

Adaptiv djup hjärnstimulering (aDBS) är lovande för att förbättra behandlingen av neurologiska sjukdomar som Parkinsons sjukdom (PD). aDBS använder symtomrelaterade biomarkörer för att justera stimuleringsparametrar i realtid för att rikta symtomen mer exakt. För att möjliggöra dessa dynamiska justeringar måste parametrar för en aDBS-algoritm bestämmas för varje enskild patient. Detta kräver tidskrävande manuell justering av kliniska forskare, vilket gör det svårt att hitta en optimal konfiguration för en enskild patient eller att skala upp till många patienter. Dessutom är den långsiktiga effektiviteten hos aDBS-algoritmer som konfigureras på kliniken medan patienten är hemma fortfarande en öppen fråga. För att implementera denna behandling i stor skala behövs en metod för att automatiskt konfigurera aDBS-algoritmparametrar samtidigt som behandlingsresultaten övervakas på distans. I det här dokumentet delar vi med oss av en design för en datainsamlingsplattform för hemmabruk för att hjälpa fältet att ta itu med båda problemen. Plattformen består av ett integrerat hårdvaru- och mjukvaruekosystem som är öppen källkod och möjliggör insamling hemma av neurala, tröghets- och flerkameravideodata. För att säkerställa integriteten för patientidentifierbara data krypterar och överför plattformen data via ett virtuellt privat nätverk. Metoderna omfattar tidsjustering av dataströmmar och extrahering av poseuppskattningar från videoinspelningar. För att demonstrera användningen av detta system distribuerade vi denna plattform till hemmet hos en individ med Parkinsons sjukdom och samlade in data under självstyrda kliniska uppgifter och perioder av fritt beteende under loppet av 1,5 år. Data registrerades vid subterapeutiska, terapeutiska och supraterapeutiska stimuleringsamplituder för att utvärdera svårighetsgraden av motoriska symtom under olika terapeutiska förhållanden. Dessa tidsjusterade data visar att plattformen är kapabel till synkroniserad multimodal datainsamling i hemmet för terapeutisk utvärdering. Denna systemarkitektur kan användas för att stödja automatiserad aDBS-forskning, för att samla in nya datamängder och för att studera de långsiktiga effekterna av DBS-behandling utanför kliniken för dem som lider av neurologiska sjukdomar.