Name: dynamic digital biomarkers of motor and cognitive function in parkinson's disease
Uploaded: 2019-07-24T15:00:00
Duration: 10 min 28 s
Description: Watch this Scientific Journal Video about Dynamic Digital Biomarkers of Motor and Cognitive Function in Parkinson's Disease at JoVE.com

Это исследование финансируется частично Ратгерс Discovery Informatics институт JR, Ратгерский университет TechAdvance фонды EBT и СП, Нью-Джерси губернатора Совета по исследованиям и лечению аутизма в EBT и Майкл J Fox Фонда RD.

<ol>
	<li>Hawgood, S., Hook-Barnard, I. G., O'Brien, T. C., Yamamoto, K. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Precision+medicine:+Beyond+the+inflection+point.">Precision medicine: Beyond the inflection point.</a> Science Translational Medicine. 7 (300), 300ps317 (2015).</li><li>Torres, E. B., Whyatt, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Autism: The Movement Sensing Perspective. , (2018).</li><li>Torres, E. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Toward+Precision+Psychiatry:+Statistical+Platform+for+the+Personalized+Characterization+of+Natural+Behaviors.">Toward Precision Psychiatry: Statistical Platform for the Personalized Characterization of Natural Behaviors.</a> Frontiers in Neurology. 7, 8 (2016).</li><li>Espay, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Technology+in+Parkinson's+disease:+Challenges+and+opportunities.">Technology in Parkinson's disease: Challenges and opportunities.</a> Movement Disorders. 31 (9), 1272-1282 (2016).</li><li>Ponsen, M. M., Stoffers, D., Wolters, E. C., Booij, J., Berendse, H. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Olfactory+testing+combined+with+dopamine+transporter+imaging+as+a+method+to+detect+prodromal+Parkinson's+disease.">Olfactory testing combined with dopamine transporter imaging as a method to detect prodromal Parkinson's disease.</a> Journal of Neurology, Neurosurgery &amp; Psychiatry. 81 (4), 396-399 (2010).</li><li>Ponsen, M. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Idiopathic+hyposmia+as+a+preclinical+sign+of+Parkinson's+disease.">Idiopathic hyposmia as a preclinical sign of Parkinson's disease.</a> Annals of Neurology: Official Journal of the American Neurological Association and the Child Neurology Society. 56 (2), 173-181 (2004).</li><li>Oudre, L., Jakubowicz, J., Bianchi, P., Simon, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Classification+of+periodic+activities+using+the+Wasserstein+distance.">Classification of periodic activities using the Wasserstein distance.</a> IEEE Transactions on Biomedical Engineering. 59 (6), 1610-1619 (2012).</li><li>Derkinderen, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Parkinson+disease:+the+enteric+nervous+system+spills+its+guts.">Parkinson disease: the enteric nervous system spills its guts.</a> Neurology. 77 (19), 1761-1767 (2011).</li><li>Roetenberg, D., Luinge, H., Slycke, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Xsens+MVN:+Full+6DOF+human+motion+tracking+using+miniature+inertial+sensors.">Xsens MVN: Full 6DOF human motion tracking using miniature inertial sensors.</a> Xsens Motion Technologies BV, Tech. Rep. 1, (2009).</li><li>Possin, K. L., Laluz, V. R., Alcantar, O. Z., Miller, B. L., Kramer, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Distinct+neuroanatomical+substrates+and+cognitive+mechanisms+of+figure+copy+performance+in+Alzheimer's+disease+and+behavioral+variant+frontotemporal+dementia.">Distinct neuroanatomical substrates and cognitive mechanisms of figure copy performance in Alzheimer's disease and behavioral variant frontotemporal dementia.</a> Neuropsychologia. 49 (1), 43-48 (2011).</li><li>Army, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Army+individual+test+battery.">Army individual test battery.</a> Manual of Directions and Scoring. , (1944).</li><li>Nasreddine, Z. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Montreal+Cognitive+Assessment,+MoCA:+a+brief+screening+tool+for+mild+cognitive+impairment.">The Montreal Cognitive Assessment, MoCA: a brief screening tool for mild cognitive impairment.</a> Journal of the American Geriatrics Society. 53 (4), 695-699 (2005).</li><li>Beekly, D. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+National+Alzheimer's+Coordinating+Center+(NACC)+database:+the+uniform+data+set.">The National Alzheimer's Coordinating Center (NACC) database: the uniform data set.</a> Alzheimer Disease &amp; Associated Disorders. 21 (3), 249-258 (2007).</li><li>Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Objective Biometric Methods for the Diagnosis and Treatment of Nervous System Disorders. , (2018).</li><li>Ryu, J., Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Fourth International Symposium on Movement and Computing, MOCO'17. , 1-8 (2017).</li><li>Torres, E. B., Donnellan, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Autism: The movement perspective. , (2015).</li><li>Torres, E. B., Vero, J., Rai, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Statistical+Platform+for+Individualized+Behavioral+Analyses+Using+Biophysical+Micro-Movement+Spikes.">Statistical Platform for Individualized Behavioral Analyses Using Biophysical Micro-Movement Spikes.</a> Sensors (Basel). 18 (4), (2018).</li><li>Torres, E. B., Denisova, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Motor+noise+is+rich+signal+in+autism+research+and+pharmacological+treatments.">Motor noise is rich signal in autism research and pharmacological treatments.</a> Scientific Reports. 6, (2016).</li><li>Shannon, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+mathematical+theory+of+communication.">A mathematical theory of communication.</a> Bell System Technical Journal. 27, 379-423 (1948).</li><li>Silverstein, S. M., Wibral, M., Phillips, W. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Implications+of+information+theory+for+computational+modeling+of+schizophrenia.">Implications of information theory for computational modeling of schizophrenia.</a> Computational Psychiatry. 1, 82-101 (2017).</li><li>Jeong, J., Gore, J. C., Peterson, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mutual+information+analysis+of+the+EEG+in+patients+with+Alzheimer's+disease.">Mutual information analysis of the EEG in patients with Alzheimer's disease.</a> Clinical Neurophysiology. 112 (5), 827-835 (2001).</li><li>Torres, E. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Autism:+the+micro-movement+perspective.">Autism: the micro-movement perspective.</a> Frontiers in Integrative Neuroscience. 7, 32 (2013).</li><li>Von Holst, E., Mittelstaedt, H., Dodwell, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Perceptual Processing: Stimulus equivalence and pattern recognition. , 41-72 (1950).</li><li>Torres, E. B., Cole, J., Poizner, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Motor+output+variability,+deafferentation,+and+putative+deficits+in+kinesthetic+reafference+in+Parkinson's+disease.">Motor output variability, deafferentation, and putative deficits in kinesthetic reafference in Parkinson's disease.</a> Frontiers in Human Neuroscience. 8, 823 (2014).</li><li>Yanovich, P., Isenhower, R. W., Sage, J., Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatial-orientation+priming+impedes+rather+than+facilitates+the+spontaneous+control+of+hand-retraction+speeds+in+patients+with+Parkinson's+disease.">Spatial-orientation priming impedes rather than facilitates the spontaneous control of hand-retraction speeds in patients with Parkinson's disease.</a> PLoS One. 8 (7), e66757 (2013).</li><li>Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+rates+of+change+of+the+stochastic+trajectories+of+acceleration+variability+are+a+good+predictor+of+normal+aging+and+of+the+stage+of+Parkinson's+disease.">The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson's disease.</a> Frontiers in Integrative Neuroscience. 7, 50 (2013).</li><li>Torres, E. B., Heilman, K. M., Poizner, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impaired+endogenously+evoked+automated+reaching+in+Parkinson's+disease.">Impaired endogenously evoked automated reaching in Parkinson's disease.</a> Journal of Neuroscience. 31 (49), 17848-17863 (2011).</li><li>Nguyen, J., Majmudar, U., Papathomas, T. V., Silverstein, S. M., Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Schizophrenia:+The+micro-movements+perspective.">Schizophrenia: The micro-movements perspective.</a> Neuropsychologia. 85, 310-326 (2016).</li><li>Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Atypical+signatures+of+motor+variability+found+in+an+individual+with+ASD.">Atypical signatures of motor variability found in an individual with ASD.</a> Neurocase. 19 (2), 150-165 (2013).</li><li>Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Signatures+of+movement+variability+anticipate+hand+speed+according+to+levels+of+intent.">Signatures of movement variability anticipate hand speed according to levels of intent.</a> Behavioral Brain Functions. 9, 10 (2013).</li><li>Lai, M., Demuru, M., Hillebrand, A., Fraschini, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+between+scalp-and+source-reconstructed+EEG+networks.">A comparison between scalp-and source-reconstructed EEG networks.</a> Scientific Reports. 8 (1), 12269 (2018).</li><li>Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Networks of the Brain. , (2010).</li><li>Rubinov, M., Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Complex+network+measures+of+brain+connectivity:+uses+and+interpretations.">Complex network measures of brain connectivity: uses and interpretations.</a> Neuroimage. 52 (3), 1059-1069 (2010).</li><li>Kalampratsidou, V., Torres, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Peripheral+Network+Connectivity+Analyses+for+the+Real-Time+Tracking+of+Coupled+Bodies+in+Motion.">Peripheral Network Connectivity Analyses for the Real-Time Tracking of Coupled Bodies in Motion.</a> Sensors (Basel). 18 (9), 3117 (2018).</li><li>Torres, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+rates+of+change+of+the+stochastic+trajectories+of+acceleration+variability+are+a+good+predictor+of+normal+aging+and+of+the+stage+of+Parkinson's+disease.">The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson's disease.</a> Frontiers in Integrative Neuroscience. 7 (50), (2013).</li></ol>

Авторам нечего раскрывать.

Точность медицины (PM) (Рисунок 1) стала мощной платформой для разработки персонализированных целевых методов лечения. В области исследований рака, эта модель была очень успешной и ее принципы обязаны революционизировать медицинской области в ближайшем будущем1. PM сочетает в себе несколько уровней знаний, начиная от самоотчетов пациентов и конъюнционизмом. Интеграция информации во всех этих слоях приводит к персонализированной оценке, которая позволяет интерпретировать данные и более точные рекомендации по лечению, направленные на рассмотрение всех аспектов жизни человека.
Есть несколько проблем при попытке адаптировать платформу PM к нейропсихиатрическим и неврологическим расстройствам нервной системы2,3, и эти проблемы недавно были озвучены4. К их числу относятся различия в полученных данных, а именно дискретные оценки от клинических методов карандаша и бумаги, управляемых наблюдением, и непрерывные биофизические данные, физически полученные из нервной системы (например, с использованием биосенсоров). Данные из клинических оценок, как правило, предполагают одноразмерную все статическую модель, которая обеспечивает соблюдение одной (теоретической) функции распределения вероятностей (PDF). Это априорное предположение налагается на данные без надлежащей эмпирической проверки, поскольку нормативные данные не были получены и не охарактеризованы в первую очередь. Таким образом, нет надлежащего сходства-метрических критериев, описывающих нейротипичные матурациональные состояния нервной системы человека, как здоровый человек стареет и вероятностные пространства, используемые для отбрасывая эти параметры изменения сдвиг с определенной скоростью. Без нормативных данных и надлежащих метрик сходства невозможно измерить отклонения от типичных состояний, поскольку они динамически меняются по всей жизни человека. Также невозможно предсказать сенсорные последствия предстоящих изменений.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59827/59827fig1.jpg"> Рисунок 1: Платформа точной медицины: Заполнение разрыва между поведением и геномикой, чтобы обеспечить целенаправленное развитие лечения в персонализированной медицине, переведенном на неврологические и нейропсихиатрические расстройства нервной системы. Платформа точной медицины для разработки персонализированного целевого лечения может быть переведена для диагностики и лечения неврологических и нейропсихиатрических расстройств нервной системы. Однако в сети знаний уровень поведенческого анализа нуждается в смене парадигмы для интеграции новых новых цифровых исходов из биофизических данных с более традиционными клиническими критериями. Перед нами стоит задача обеспечить статистически обоснованные методы и новые интуитивно понятные инструменты визуализации для такой интеграции, поощряя при этом использование цифровых показателей результатов врачами, пациентами и воспитателями. Эта цифра была изменена с Hawgood и др.1 с разрешения Американской ассоциации содействия развитию науки. <a href="https://www.jove.com/files/ftp_upload/59827/59827fig1large.jpg" target="_blank">Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.</a>
Текущий подход«большой усреднения»сглаживается как шум стохасических колебаний индивидуума в данных, т.е. вариабельность сигнала, которая проявляется по мере естественного возраста человека, по мере развития расстройства, и как нервные системы человека получать и реагировать на лечение. Отсутствие нормативных данных (т.е. оценка больших сечений и продольных частей здорового населения) мешает нам понять нейротипическую динамику здорового старения. Таким образом, это становится проблемой, чтобы знать, как в целом предвидеть последствия данной патологии, так как эта патология начинает системно проявляться в человеке. Прогностические подходы имеют решающее значение для разработки регенеративных методов лечения и / или нейропротекторных методов лечения, которые замедляют дегенеративный процесс. Болезнь Паркинсона является хорошим примером патологий, при которых проявлениям расстройства предшествуют многие другие измеримые симптомы. Мы знаем сегодня, что видимые двигательные расстройства предшествовали менее заметные сенсорные проблемы, такие как уменьшение обонятельной функции5,6, изменения в речевых моделях, быстрое движение глаз (REM) сон7, и другие немоторные симптомы, связанные с функционированием энтерической нервной системы8. К тому времени, расстройство проявляется, уже существует высокая дофаминергическое истощение в системе; но немоторные симптомы могли бы спрогнозировать некоторые из видимых двигательных нарушений, с помощью которых расстройство в настоящее время в первую очередь оценивается.
Необходимо изменить существующие аналитические модели и рассмотреть важность правильной характеристики эмпирических данных на всех уровнях нервной системы, в результате чего биоритмические движения проявляются и могут быть динамически использованы в виде временных рядов совместно зарегистрированных с множеством датчиков. Данные движения в более общем смысле не должны ограничиваться движениями и нарушениями, которые они транслируют. Цифровые данные из всех биоритмов нервной системы (включая недвигательные волны) предлагают потенциал прогнозирования, который нам может понадобиться, чтобы помочь предотвратить или замедлить быструю нейродегенерацию. Тем не менее, по мере расширения нашего репертуара типов данных, мы должны избегать присущих параметрических линейных моделей для статистического анализа и интерпретации, используемых в настоящее время для анализа таких данных. Крайне важно оценить адекватность таких линейных моделей для типов высоколинейных проблем, которые мы изучаем при патологиях нервной системы, подверженных стохасическим сдвигам и динамическим изменениям. Пещеры в текущих петлях трубопровода предположений-анализа присутствуют в обоих типах данных, используемых: те из дискретных клинических оценок и из непрерывных цифровых биофизических волновых форм. Хотя они по-прежнему отключены, важно разработать новые рамки, которые позволят обеспечить надлежащую интеграцию обоих типов данных таким образом, чтобы привести цифровые исходы в соответствие с клиническими критериями для облегчения использования пациентов новых цифровых технологий, воспитатели и врачи.
Чтобы преодолеть некоторые из этих проблем, мы недавно адаптировали платформу PM на рисунке 1 для обеспечения точности фенотипирования для неврологических и нейропсихиатрических состояний3. С этой целью мы разработали новый способ сбора, анализа и интерпретации поведенческих данных в тандеме с традиционными клиническими скоринговых тестами, которые устанавливают сложные отношения между когнитивными и двигательными явлениями. Точнее, мы оцифровали карандашно-бумажные методы. Данные только от таких методов слишком грубы, чтобы захватить важную информацию, ускользающую невооруженным глазом. Но их использование в сочетании с цифровыми данными от биофизических датчиков предлагает новый путь для подключения новых новых цифровых технологий с клиническими критериями, поддающимися поощрению клиницистов принять их в ближайшем будущем.
Здесь мы вводим использование цифровых данных в контексте клинических оценок. А именно, как человек выполняет клиническую задачу, например, рисунок часы в Монреале когнитивной оценки (MoCA) тест, биоритмы вывода нервной системы совместно зарегистрированы в различных функциональных слоев. К ним относятся электроэнцефалография (ЭЭГ), электрокардиография (ЭКГ или ЭКГ), голосовые узоры и кинематики из тела, а также кинематический выход из ручной ручки, которую человек использует, чтобы нарисовать часы на оцифрованном планшете. Мы также собираем видео данные с лица, как человек рисует, для выполнения анализа чувств прогнозирования эмоциональных состояний. Эти данные затем анализируются с помощью оптики новой статистической платформы для индивидуального поведенческого анализа (SPIBA) и интерпретируются в соответствии с клиническими критериями, лежащими в основе таких тестов. Более конкретно, дискретные оценки используются для среднего ранга когорты пациентов и таким образом, стратифицировать группу на основе этих клинических критериев. Затем мы можем изучить непрерывные биофизические данные групп, идентифицированных таким образом, в поисках стохастических критериев, которые принципиально отделяют одно подмножество пациентов от другого, в более чем одном параметрическом измерении. Кроме того, изучая непрерывные биофизические данные в своем собственном праве, в соответствии с присущими колебаниям каждого человека в когорте и ослепленных от клинических критериев, мы можем искать самовозникающие кластеры в когорте, и сравнить степени, в которой такие кластеры карту на те, что подтипы, информируется клинических критериев показали.
Этот подход предлагает новый способ определения параметров в богатстве биофизических цифровых данных, что наиболее эффективно захватить различия между подтипами и делает эти различия в качестве потенциально хороших кандидатов для расслоения пациентов с болезнью Паркинсона болезни (PWP) в слепых, т.е. через случайные обратить от населения в целом. Актуальность этого метода двоякая. Мы действительно можем персонализировать методы лечения, при этом правильно интегрируя разрозненные типы данных из биосенсоров и клинических критериев; т.е. непрерывные цифровые биофизические данные в виде временных рядов и дискретные клинические оценки традиционных тестов.
Хотя это общий подход, применимый ко всем нарушениям нервной системы, мы рамкировать работу в контексте PWP и предлагаем новые способы сделать статистические выводы о непрерывных цифровых данных, зарегистрированных во время выполнения таких клинические испытания с учетом дискретной клинической системы скоринга. Таким образом, работа позволяет клинической интерпретации цифровых результатов, которые могут быть использоваться в клинических условиях. Наконец, мы предоставляем рекомендации, чтобы начать разработку новых способов визуализации таких индивидуальных результатов для встраивания в новые приложения для удобства использования в домашних и клинических условиях пациентов, воспитателей и клинического персонала, так.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Enobio 32</td>
			<td>NE Neuroelectrics</td>
			<td>NE006WF</td>
			<td>wearable, wireless electrophysiology sensor system for the recording of EEG.</td>
		</tr>
		<tr>
			<td>Inking Pen</td>
			<td>Wacom</td>
			<td>KP1302</td>
			<td>tablet pen</td>
		</tr>
		<tr>
			<td>Intuos Pro</td>
			<td>Wacom</td>
			<td>PTH451</td>
			<td>pen tablet</td>
		</tr>
		<tr>
			<td>Lab Stream Layer System</td>
			<td>n/a</td>
			<td>n/a</td>
			<td>open source software to synchronize different devices</td>
		</tr>
		<tr>
			<td>Microphone</td>
			<td>Zaffiro</td>
			<td>B07BDFP6XC</td>
			<td>computer microphone</td>
		</tr>
		<tr>
			<td>MovAlyzeR</td>
			<td>Neuroscript</td>
			<td>Version 6.1.0.0.</td>
			<td>pen movement caption software</td>
		</tr>
		<tr>
			<td>MTw Awinda wireless motion tracker</td>
			<td>Xsens</td>
			<td>MTw Awinda</td>
			<td>motion capture system</td>
		</tr>
		<tr>
			<td>MVN Analyze</td>
			<td>Xsens</td>
			<td>Version 2019</td>
			<td>motion-tracking software</td>
		</tr>
		<tr>
			<td>NIC 2.0</td>
			<td>NE Neuroelectrics</td>
			<td>NE001SW2</td>
			<td>Neuroelectrics Instrument Controller (NIC) EEG streaming software</td>
		</tr>
		<tr>
			<td>OpenPose</td>
			<td>n/a</td>
			<td>n/a</td>
			<td>open source machine learning software to extract facial information</td>
		</tr>
	</tbody>
</table>

dynamic digital biomarkers of motor and cognitive function in parkinson's disease

Поскольку болезнь Паркинсона (PD) является неоднородным расстройством, персонализированная медицина действительно требуется для оптимизации ухода. В их нынешнем виде, стандартные баллы из бумаги и карандаша симптом-меры традиционно используются для отслеживания прогрессирования заболевания слишком грубые (дискретные), чтобы захватить детализации клинических явлений, рассматриваемых, в условиях огромного симптома Разнообразия. По этой причине датчики, носимые устройства и мобильные устройства все чаще включаются в исследования и рутинную помощь в области PD. Эти цифровые меры, хотя и более точные, дают данные, которые менее стандартизированы и интерпретируются по мимо традиционных мер, и, следовательно, эти два типа данных остаются в значительной степени разрозненными. Оба эти вопроса являются барьерами для широкого клинического применения наиболее точных инструментов оценки на местах. Этот протокол решает обе проблемы. Используя традиционные задачи для измерения познания и управления двигателем, мы тестируем участника, в то время как совместное регистрация биофизических сигналов ненавязчиво с использованием носимых. Затем мы интегрируем оценки из традиционных бумажных и карандашных методов с цифровыми данными, которые мы постоянно регистрируем. Мы предлагаем новый стандартизированный тип данных и объединяющую статистическую платформу, которая позволяет динамическое отслеживание изменений в стохастической подписи человека в различных условиях, которые зондируют различные функциональные уровни нейромоторного контроля, начиная от добровольный к вегетативным. Протокол и стандартизированная статистическая основа предлагают динамические цифровые биомаркеры физической и когнитивной функции в PD, которые соответствуют проверенным клиническим масштабам, значительно повышая их точность.

Watch this Scientific Journal Video about Dynamic Digital Biomarkers of Motor and Cognitive Function in Parkinson's Disease at JoVE.com

Dynamic Digital Biomarkers of Motor and Cognitive Function in Parkinson's Disease

Динамические цифровые биомаркеры двигательных и когнитивных функций при болезни Паркинсона

Этот протокол предлагает оцифровку части традиционных клинических задач, обычно используемых для измерения познания и двигательного контроля при болезни Паркинсона. Клинические задачи оцифровываются, в то время как биофизические ритмы регистрируются из различных функциональных уровней нервной системы, начиная от добровольных, спонтанных, автоматических до вегетативных.

As Parkinson&#8217;s disease (PD) is a heterogeneous disorder, personalized medicine is truly required to optimize care. In their current form, standard ...

Этот протокол может помочь нам расслоить неоднородную болезнь Паркинсона по когнитивной и двигательной тяжести. Используя носимые датчики, мы можем оцифровать клинические задачи, которые обычно используются врачами. Путем совместной регистрации деятельности на различных функциональных уровнях нервной системы, мы определяем высокоинформацинные параметры познания, движения и эмоций, чтобы произвести динамические цифровые биомаркеры болезни Паркинсона.Эта работа предлагает объединяющую основу для характеристики и отслеживания подписей неврологических расстройств в персонализированной манере, наряду с эволюцией всей когорты, получаюой данное лечение или терапию. Этот метод обеспечивает объединяющую статистическую платформу для динамического отслеживания изменений в подписях статистической изменчивости, производимой самогенерируемой биологической деятельностью, охватывающей от молекул, клеток до поведения. Потоковая передача нескольких программ требует много памяти компьютера, поэтому мы бы посоветовали использовать компьютеры с высокой вычислительной мощностью, в противном случае системы могут сбой во время их записи.Мы используем несколько устройств для записи мозга, тела и сердца, все в тандеме, во время естественных движений, так что динамическая среда, такие как видео, лучше всего иллюстрирует это. Демонстрацией процедур из моей лаборатории будут аспиранты Джихье Рю и Джозеф Веро. После получения информированного согласия от участника, измерить размеры тела участника, чтобы создать их тело аватар в системе захвата движения.Затем навеяли систему захвата движения, включая семнадцать беспроводных датчиков слежения за движением и программное обеспечение для отслеживания движения. Поместите датчики на все части тела, как указано, и закрепте датчики с ремнями, чтобы обеспечить беспрепятственное движение. Когда все датчики были размещены, откалибровать положение участника, чтобы создать аватар.Чтобы настроить ЭЭГ-устройство и программное обеспечение для записи, поместите тридцать один канал датчиков по всей коже головы, и поместите записывающее устройство на задней части головы. Прикрепите последний датчик канала к разъему для измерения сигнала сердца и расположить датчик на левой стороне желудка участника. Затем прикрепите к эталонным каналам датчики за левым ухом участника и используйте шприц для вставки электродного геля в датчики на крышке ЭЭГ.Чтобы запечатлеть голос участника во время оценок, поместите микрофон перед участником и подключите микрофон к компьютеру, на котором будет работать лабораторный слой потока. Далее, чтобы настроить систему лабораторных слоев потока для синхронизации потоков ЭЭГ, движения, аудио и мыши нажмите метки, откройте приложение лабораторного рекордера, откройте и свяжите приложения лабораторного слоя потока для мыши и аудио захвата выиграть приложение, а затем открыть встроенный xsense синхронизации приложение. В записи из раздела потока приложения лабораторного рекордера нажмите Update'to, чтобы получить полный список потоковых элементов, и проверьте коробки для AudioCaptureWin'EEG'MouseButtons'Position'and TrackerKinematics', чтобы связать аудио, ЭЭГ, щелчки мыши и движение через систему слоя лабораторного потока.Настройка записи для захвата движения пера, в том числе перо таблетки и программного обеспечения анализа движения, и место рисунок таблетки и планшета перо перед участником. Подключите планшет к компьютеру, на котором будет записано программное обеспечение для анализа движения, и заклеймите на планшете лист белой бумаги. Затем нажмите запись в лабораторном слое потока, программное обеспечение для захвата движения и программное обеспечение для записи ЭЭГ.В начале и в конце каждой задачи нажмите кнопку времени штамповки на программном обеспечении захвата движения, чтобы упока времени задачи. Не забудьте записать фактическое время, когда вы нажмете кнопку штамповки времени в качестве резервного копирования, поэтому, когда вы посмотрите на данные позже, вы можете определить задачу из метки времени. Для немедленного Бенсон сложной копии фигуры, поручить участнику скопировать фигуру Бенсона на бумаге, и помнить дизайн, потому что они будут предложено сделать дизайн снова из памяти позже.Для части A теста по созданию тропы поручите участнику провести грань между кругами, проумеровав их в порядке возрастания. Для проведения части B теста по созданию тропы поручить провести грань между кругами, которые содержат либо числа, либо буквы в порядке возрастания, чередуясь между числами и буквами. Для задачи рисования часов поручите участнику нарисовать аналоговые часы с числами от одного до двенадцати и установить время до десяти одиннадцати.Чтобы провести задержку Бенсон сложной копии фигуры, поручить участнику нарисовать Бенсон сложной фигурой из памяти на пустой лист бумаги. Чтобы провести форвардный тест вентилятора номера, поручить участнику повторить номера, которые экспериментатор читает вслух в том же порядке. Для обратного теста вентилятора чисел, поручить участнику повторить номера, которые экспериментатор читает вслух в обратном порядке.Для указывая задачи, распоставить цель перед участником, чтобы указать и коснуться, и поручить участнику указать на цель сорок раз в самостоятельной манере с доминирующей рукой. Для метронома указывая задача, поручить участнику указать на цель сорок раз в самостоятельной манере, в то время как установка метроном бить на тридцать пять ударов в минуту в фоновом режиме, но не инструктировать ничего о метроном бить. Для темпа указывая задача, поручить участнику указать на цель сорок раз после темпа метроном бить набор на тридцать пять ударов в минуту.Для выполнения задания по ходьбе сначала поручите участнику естественно ходить по комнате в течение пяти минут. Далее, поручить участнику ходить естественно по комнате, установив метроном бить в фоновом режиме в течение двенадцати ударов в минуту. Затем, поручить участнику ходить естественно по комнате, а ходить их скорость дыхания в метроном избили набор на двенадцать ударов в минуту.Для лица видео, во-первых, поручить участнику удобно сидеть и настроить камеру перед участником. Для оценки управления, поручить участнику смотреть на пространство без каких-либо стимулов в течение пяти минут. Для оценки улыбки, поручить участнику посмотреть смешное видео в течение пяти минут.В каждой из задач рисования, пациенты в этом репрезентативном исследовании стратифицированы отдельно от контроля, дифференциации их отдельных стохастических подписей двигательной изменчивости в соответствии с Движением расстройство общества единой болезни Паркинсона рейтинги шкалы среднего рейтинга баллов. Задача указания на ледниковую цель выполняется для оценки различных уровней волевого контроля, и эта цифра иллюстрирует деградацию центра массовой траектории по мере увеличения тяжести расстройства участником. Используя этот анализ, можно отличить каждый подтип пациента с болезнью Паркинсона, а также отслеживать изменения в стохастичных подписях пациента от базовых до метрономно-ассоциированных указывая задач как спонтанных, так и неинструктированных и преднамеренных и инструктированных случаев.В автоматической оценке ходьбы, центр массовых траекторий для контроля и пациентов с болезнью Паркинсона, как средний рейтинг движения расстройства общества единой болезни Паркинсона рейтинги шкалы баллов могут быть получены. Стохастический анализ ходьбы задача может быть выполнена, для которых дифференциации могут быть сделаны между пациентами и контроля, а также среди пациентов с различными разрывами заболевания. Открытая поза программное обеспечение может быть использовано для определения областей лица, которые являются наиболее активными во время данной задачи, и для зондирования эмоционального содержания путем установления области переходов через эмоции во время задач.Интегрируя цифровые биофизические сигналы для ЭЭГ, магнотометрического движения и ЭКГ, используя информационные теоретические измерения и анализ сетевых подключений, можно провести различие между пациентами и контролями, а также среди пациентов с разной степенью тяжести, изучая плотность сети. Используя оцифрованные данные мозга сигналы тела, мы можем применить различные аналитики, в том числе кросс-корреляции и кросс-согласованности для характеристики интерактивности между различными режимами биоподписания. Наша лаборатория расширила эти методы, чтобы охарактеризовать другие неврологические и поведенческие расстройства, такие как боль, и изучить воплощенное познание, и все они касаются различных вопросов.

Research

JoVE Journal

Behavior

Assessment of Sensorimotor Function in Mouse Models of Parkinson's Disease

Оценка сенсомоторной функции в модели мыши болезни Паркинсона

Sensitive and  reliable behavioral outcome measures are essential to the evaluation of  potential therapeutic treatments in preclinical trials for many  ...

Methods to Explore the Influence of Top-down Visual Processes on Motor Behavior

Методы Изучить влияние сверху вниз визуальных процессов на автосалоне поведения

Kinesthetic awareness is important to successfully navigate the environment. When we interact with our daily surroundings, some aspects of movement are ...

Community-based Adapted Tango Dancing for Individuals with Parkinson's Disease and Older Adults

Общинное Адаптированный Танго Танцы для людей с болезнью Паркинсона и пожилых людей

Adapted tango dancing improves mobility and balance in older adults and additional populations with balance impairments. It is composed of very simple ...

Non-Invasive Electrical Brain Stimulation Montages for Modulation of Human Motor Function

Неинвазивного Электрическая стимуляция мозга Монтажи для модуляции человеческого двигательной функции

Non-invasive electrical brain stimulation (NEBS) is used to modulate brain function and behavior, both for research and clinical purposes. In particular, ...

The "Motor" in Implicit Motor Sequence Learning: A Foot-stepping Serial Reaction Time Task

«Мотор» в неявных мотор последовательность обучения: время шагать в ногу серийный реакции задачи

This protocol describes a modified serial reaction time (SRT) task used to study implicit motor sequence learning. Unlike the classic SRT task that ...

A Novel Single Animal Motor Function Tracking System Using Simple, Readily Available Software

Роман одного животного моторную функцию отслеживания системы с помощью простой, легко доступных программного обеспечения

We have recently demonstrated that implanting intracortical microelectrodes in the motor corteces of rats&#160;results in immediate and lasting motor ...

Automated, Long-term Behavioral Assay for Cognitive Functions in Multiple Genetic Models of Alzheimer's Disease, Using IntelliCage

Автоматизированное, долгосрочное поведенческое Assay для когнитивных функций в нескольких моделей Генетические болезни Альцгеймера, используя IntelliCage

Multiple factors&#8212;such as aging and genes&#8212;are frequently associated with cognitive decline. Genetically modified mouse models of cognitive ...

A Networked Desktop Virtual Reality Setup for Decision Science and Navigation Experiments with Multiple Participants

Установка сетевых настольных виртуальной реальности решение науки и навигации экспериментов с несколькими участниками

Investigating the interactions among multiple participants is a challenge for researchers from various disciplines, including the decision sciences and ...

Virtual Reality Experiments with Physiological Measures

Виртуальная реальность эксперименты с физиологические показатели

Virtual reality (VR) experiments are increasingly employed because of their internal and external validity compared to real-world observation and ...

Behavioral Assessments of Spontaneous Locomotion in a Murine MPTP-induced Parkinson's Disease Model

Поведенческие оценки спонтанного передвижения в модели мышиных MPTP-индуцированной болезни Паркинсона

Parkinson&#8217;s disease (PD) is a common neurodegenerative disorder disease, causing the phenomenon of shaking, rigidity, slowness of movement and ...