Name: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring (Video) | JoVE
Uploaded: 2023-07-14T13:30:00
Description: Watch this Scientific Journal Video about Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring at JoVE.com

Questo materiale si basa sul lavoro sostenuto dal National Science Foundation Graduate Research Fellowship Program (DGE-2140004), dal Weill Neurohub e dal National Institute of Health (UH3NS100544). Tutte le opinioni, i risultati, le conclusioni o le raccomandazioni espresse in questo materiale sono quelle degli autori e non riflettono necessariamente le opinioni della National Science Foundation, del Weill Neurohub o del National Institute of Health. Ringraziamo Tianjiao Zhang per le sue consulenze esperte sulla progettazione della piattaforma e sull'incorporazione dei dati video. Ringraziamo in particolare il paziente per la sua partecipazione a questo studio e per il feedback e i consigli sulla sicurezza della rete e sulla progettazione della piattaforma.

I pazienti vengono arruolati attraverso uno studio più ampio approvato dall'IRB e dall'IDE nell'aDBS presso l'Università della California, San Francisco, protocollo # G1800975. Il paziente arruolato in questo studio ha inoltre fornito il consenso informato specificamente per questo studio.
1. Componenti del sistema a casa
<ol><li>Server centrale e VPN<ol><li>Procurati un personal computer (PC) con un sistema operativo (OS) basato su Linux dedicato a...

Optimizing Deep Brain Stimulation for Patients with Neurological Disorders

<ol>
	<li>World Health Organization. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Parkinson disease. , (2022).</li><li>Herrington, T. M., Cheng, J. J., Eskandar, E. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mechanisms+of+deep+brain+stimulation.">Mechanisms of deep brain stimulation.</a> Journal of Neurophysiology. 115 (1), 19-38 (2016).</li><li>Little, 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=Adaptive+deep+brain+stimulation+for+Parkinson's+disease+demonstrates+reduced+speech+side+effects+compared+to+conventional+stimulation+in+the+acute+setting.">Adaptive deep brain stimulation for Parkinson's disease demonstrates reduced speech side effects compared to conventional stimulation in the acute setting.</a> Journal of Neurology, Neurosurgery &amp; Psychiatry. 87 (12), 1388-1389 (2016).</li><li>Mohammed, A., Bayford, R., Demosthenous, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Toward+adaptive+deep+brain+stimulation+in+Parkinson's+disease:+a+review.">Toward adaptive deep brain stimulation in Parkinson's disease: a review.</a> Neurodegenerative Disease Management. 8 (2), 115-136 (2018).</li><li>Gilron, R., 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=Long-term+wireless+streaming+of+neural+recordings+for+circuit+discovery+and+adaptive+stimulation+in+individuals+with+Parkinson's+disease.">Long-term wireless streaming of neural recordings for circuit discovery and adaptive stimulation in individuals with Parkinson's disease.</a> Nature Biotechnology. 39 (9), 1078-1085 (2021).</li><li>Ray, N. 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=Local+field+potential+beta+activity+in+the+subthalamic+nucleus+of+patients+with+Parkinson's+disease+is+associated+with+improvements+in+bradykinesia+after+dopamine+and+deep+brain+stimulation.">Local field potential beta activity in the subthalamic nucleus of patients with Parkinson's disease is associated with improvements in bradykinesia after dopamine and deep brain stimulation.</a> Experimental Neurology. 213 (1), 108-113 (2008).</li><li>Neumann, W. 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=Subthalamic+synchronized+oscillatory+activity+correlates+with+motor+impairment+in+patients+with+Parkinson's+disease.">Subthalamic synchronized oscillatory activity correlates with motor impairment in patients with Parkinson's disease.</a> Movement Disorders: Official Journal of the Movement Disorder Society. 31 (11), 1748-1751 (2016).</li><li>Swann, N. C., 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=Adaptive+deep+brain+stimulation+for+Parkinson's+disease+using+motor+cortex+sensing.">Adaptive deep brain stimulation for Parkinson's disease using motor cortex sensing.</a> J. Neural Eng. 11, (2018).</li><li>Little, 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=Adaptive+deep+brain+stimulation+in+advanced+Parkinson+disease.">Adaptive deep brain stimulation in advanced Parkinson disease.</a> Annals of Neurology. 74 (3), 449-457 (2013).</li><li>Connolly, M. 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=Multi-objective+data-driven+optimization+for+improving+deep+brain+stimulation+in+Parkinson's+disease.">Multi-objective data-driven optimization for improving deep brain stimulation in Parkinson's disease.</a> Journal of Neural Engineering. 18 (4), 046046 (2021).</li><li>Stanslaski, 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=Creating+neural+&amp;#34;co-processors&amp;#34;+to+explore+treatments+for+neurological+disorders.">Creating neural &amp;#34;co-processors&amp;#34; to explore treatments for neurological disorders.</a> 2018 IEEE International Solid - State Circuits Conference - (ISSCC). , 460-462 (2018).</li><li>. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rights+(OCR),+O.+for+C.+The+HIPAA+Privacy+Rule.">Rights (OCR), O. for C. The HIPAA Privacy Rule.</a> HHS.gov. , (2008).</li><li>. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rights+(OCR),+O.+for+C.+The+Security+Rule.">Rights (OCR), O. for C. The Security Rule.</a> HHS.gov. , (2009).</li><li>Perrone, R., Gilron, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> SCBS Patient Facing App (Summit Continuous Bilateral Streaming). , (2021).</li><li>Strandquist, G., 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=.">.</a> In-Home Video and IMU Kinematics of Self Guided Tasks Correlate with Clinical Bradykinesia Scores. , (2023).</li><li>Donenfeld, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=WireGuard:+Next+Generation+Kernel+Network+Tunnel.">WireGuard: Next Generation Kernel Network Tunnel.</a> Proceedings 2017 Network and Distributed System Security Symposium. , (2017).</li><li>etzion. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Ubuntu 20.04 and TPM2 encrypted system disk - Running Systems. , (2021).</li><li>Craig-Wood, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Rclone. , (2023).</li><li>Chen, W., 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+Role+of+Large-Scale+Data+Infrastructure+in+Developing+Next-Generation+Deep+Brain+Stimulation+Therapies.">The Role of Large-Scale Data Infrastructure in Developing Next-Generation Deep Brain Stimulation Therapies.</a> Frontiers in Human Neuroscience. 15, 717401 (2021).</li><li>Hidalgo, G. i. n. &. #. 2. 3. 3. ;. 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=.">.</a> CMU-Perceptual-Computing-Lab/openpose. , (2023).</li><li>Cao, Z., Hidalgo, G., Simon, T., Wei, S. E., Sheikh, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=OpenPose:+Realtime+Multi-Person+2D+Pose+Estimation+Using+Part+Affinity+Fields.">OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields.</a> IEEE Transactions on Pattern Analysis and Machine Intelligence. 43 (1), 172-186 (2021).</li><li>Cao, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> openpose/calibration_module.md at master &#183; CMU-Perceptual-Computing-Lab/openpose. , (2023).</li><li>Sellers, K. K., 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=Analysis-rcs-data:+Open-Source+Toolbox+for+the+Ingestion,+Time-Alignment,+and+Visualization+of+Sense+and+Stimulation+Data+From+the+Medtronic+Summit+RC+S+System.">Analysis-rcs-data: Open-Source Toolbox for the Ingestion, Time-Alignment, and Visualization of Sense and Stimulation Data From the Medtronic Summit RC+S System.</a> Frontiers in Human Neuroscience. 15, 398 (2021).</li><li>Ranti, 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> Rune Labs Stream API. , (2023).</li><li>. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ffmpeg+development+community.">ffmpeg development community.</a> FFmpeg Formats Documentation. , (2023).</li><li>Goetz, C. G., 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=Movement+Disorder+Society-sponsored+revision+of+the+Unified+Parkinson's+Disease+Rating+Scale+(MDS-UPDRS):+Scale+presentation+and+clinimetric+testing+results:+MDS-UPDRS:+Clinimetric+Assessment.">Movement Disorder Society-sponsored revision of the Unified Parkinson's Disease Rating Scale (MDS-UPDRS): Scale presentation and clinimetric testing results: MDS-UPDRS: Clinimetric Assessment.</a> Movement Disorders. 23 (15), 2129-2170 (2008).</li></ol>

Condividiamo la progettazione di un prototipo a domicilio di una piattaforma di raccolta dati multimodale per supportare la ricerca futura nella ricerca sulla neuromodulazione. Il design è open-source e modulare, in modo tale che qualsiasi componente hardware possa essere sostituito e qualsiasi componente software possa essere aggiornato o modificato senza che l'intera piattaforma collassino. Mentre i metodi per la raccolta e la deidentificazione dei dati neurali sono specifici per l'INS selezionato, i metodi rimanenti ...

La stimolazione cerebrale profonda (DBS) tratta i disturbi neurologici come il morbo di Parkinson (PD) fornendo corrente elettrica direttamente a specifiche regioni del cervello. Si stima che ci siano 8,5 milioni di casi di malattia di Parkinson in tutto il mondo e la DBS ha dimostrato di essere una terapia critica quando i farmaci sono insufficienti per gestire i sintomi 1,2. Tuttavia, l'efficacia della DBS può essere limitata dagli effetti collaterali che a volte si verificano dalla stimolazione che viene convenzionalmente erogata ad ampiezza, frequenza e larghezza di impulsofisse 3. Questa implementazione a circuito aperto non risponde alle fluttuazioni dello stato dei sintomi, con conseguenti impostazioni di stimolazione che non sono adeguatamente adattate alle mutevoli esigenze del paziente. La DBS è ulteriormente ostacolata dal lungo processo di regolazione dei parametri di stimolazione, che attualmente viene eseguito manualmente dai medici per ogni singolo paziente.
La DBS adattiva (aDBS) è un approccio a circuito chiuso che ha dimostrato di essere un'efficace iterazione successiva della DBS, regolando i parametri di stimolazione in tempo reale ogni volta che vengono rilevati biomarcatori correlati ai sintomi 3,4,5. Gli studi hanno dimostrato che le oscillazioni beta (10-30 Hz) nel nucleo subtalamico (STN) si verificano costantemente durante la bradicinesia, un rallentamento del movimento caratteristico della PD 6,7. Allo stesso modo, è noto che le oscillazioni ad alta gamma (50-120 Hz) nella corteccia si verificano durante i periodi di discinesia, un movimento eccessivo e involontario comunemente osservato anche nel PD8. Lavori recenti hanno somministrato con successo aDBS al di fuori della clinica per periodi prolungati5, tuttavia l'efficacia a lungo termine degli algoritmi aDBS che sono stati configurati in clinica mentre un paziente è a casa non è stata stabilita.
I sistemi remoti sono necessari per catturare l'efficacia variabile nel tempo di questi algoritmi dinamici nel sopprimere i sintomi incontrati durante la vita quotidiana. Mentre l'approccio di stimolazione dinamica dell'aDBS consente potenzialmente un trattamento più preciso con effetti collaterali ridotti3,9, l'aDBS soffre ancora di un elevato onere per i medici di identificare manualmente i parametri di stimolazione per ogni paziente. Oltre al già ampio set di parametri da programmare durante la DBS convenzionale, gli algoritmi aDBS introducono molti nuovi parametri che devono essere regolati con attenzione. Questa combinazione di parametri di stimolazione e algoritmi produce un vasto spazio di parametri con un numero ingestibile di possibili combinazioni, impedendo all'aDBS di espandersi a molti pazienti10. Anche in ambito di ricerca, il tempo aggiuntivo necessario per configurare e valutare i sistemi aDBS rende difficile ottimizzare adeguatamente gli algoritmi esclusivamente in clinica ed è necessario l'aggiornamento remoto dei parametri. Per rendere l'aDBS un trattamento scalabile, la stimolazione e la regolazione dei parametri dell'algoritmo devono essere automatizzate. Inoltre, i risultati della terapia devono essere analizzati attraverso studi ripetuti per stabilire che l'aDBS è un trattamento praticabile a lungo termine al di fuori della clinica. C'è bisogno di una piattaforma in grado di raccogliere dati per la valutazione remota dell'efficacia della terapia e per distribuire da remoto gli aggiornamenti dei parametri dell'algoritmo aDBS.
L'obiettivo di questo protocollo è quello di fornire un design riutilizzabile per una piattaforma di raccolta dati multimodale a domicilio per migliorare l'efficacia dell'aDBS al di fuori della clinica e per consentire a questo trattamento di scalare a un numero maggiore di individui. Per quanto ne sappiamo, è la prima piattaforma di raccolta dati progettata che valuta a distanza i risultati terapeutici utilizzando videocamere domestiche, sensori indossabili, registrazione del segnale neurale cronico e feedback guidato dal paziente per valutare i sistemi aDBS durante compiti controllati e comportamento naturalistico.
La piattaforma è un ecosistema di componenti hardware e software costruiti su sistemi sviluppati in precedenza5. È manutenibile interamente tramite accesso remoto dopo un'installazione iniziale di hardware minimo per consentire la raccolta di dati multimodali da una persona nel comfort della propria casa. Un componente chiave è il sistema di neurostimolazione impiantabile (INS)11 che rileva l'attività neurale e fornisce la stimolazione all'STN e registra l'accelerazione degli impianti toracici. Per l'impianto utilizzato nella distribuzione iniziale, l'attività neurale viene registrata da elettrocateteri bilaterali impiantati nell'STN e da elettrodi per elettrocorticografia impiantati sulla corteccia motoria. Un sistema di registrazione video aiuta i medici a monitorare la gravità dei sintomi e l'efficacia della terapia, che include un'interfaccia utente grafica (GUI) per consentire una facile cancellazione delle registrazioni in corso per proteggere la privacy del paziente. I video vengono elaborati per estrarre le traiettorie cinematiche della posizione in due dimensioni (2D) o tridimensionali (3D) e gli smartwatch vengono indossati su entrambi i polsi per acquisire informazioni sulla velocità angolare e sull'accelerazione. È importante sottolineare che tutti i dati vengono crittografati prima di essere trasferiti nell'archiviazione cloud a lungo termine e che il computer con i video identificabili dal paziente è accessibile solo tramite una rete privata virtuale (VPN). Il sistema include due approcci per l'allineamento temporale post-hoc di tutti i flussi di dati e i dati vengono utilizzati per monitorare a distanza la qualità del movimento del paziente e per identificare i biomarcatori correlati ai sintomi per perfezionare gli algoritmi aDBS. La parte video di questo lavoro mostra il processo di raccolta dei dati e le animazioni delle traiettorie cinematiche estratte dai video raccolti.
Lo sviluppo del protocollo è stato guidato da una serie di considerazioni progettuali: Garantire la sicurezza dei dati e la privacy dei pazienti: La raccolta di dati identificabili dei pazienti richiede la massima attenzione nella trasmissione e nell'archiviazione per essere Health Insurance Portability and Accountability Act (HIPAA)12,13 e di rispettare la privacy del paziente nella propria abitazione. In questo progetto, questo risultato è stato raggiunto impostando una VPN personalizzata per garantire la privacy di tutto il traffico sensibile tra i computer del sistema. Limiti di sicurezza dei parametri di stimolazione: È fondamentale garantire che il paziente rimanga al sicuro durante la prova degli algoritmi aDBS che potrebbero avere effetti indesiderati. L'INS del paziente deve essere configurato da un medico in modo da avere confini sicuri per i parametri di stimolazione che non consentono effetti pericolosi da sovrastimolazione o sottostimolazione. Con il sistema INS11 Utilizzata in questo studio, questa funzione è abilitata da un programmatore clinico. Garantire il veto del paziente: Anche entro i limiti dei parametri di sicurezza, la variabilità giornaliera dei sintomi e delle risposte di stimolazione può portare a situazioni spiacevoli per il paziente in cui non gradisce un algoritmo in fase di test e desidera tornare alla normale DBS clinica ad anello aperto. Il sistema INS selezionato include un modulo di telemetria del paziente (PTM) che consente al paziente di modificare manualmente il gruppo di stimolazione e l'ampiezza di stimolazione in mA. Esiste anche un'applicazione di ricerca collegata all'INS che viene utilizzata per la configurazione remota dell'INS prima della raccolta dei dati14, che consente inoltre al paziente di interrompere gli studi sulla aDBS e di controllare la terapia. Cattura di comportamenti complessi e naturali: I dati video sono stati incorporati nella piattaforma per consentire ai medici di monitorare a distanza l'efficacia della terapia e di estrarre traiettorie cinematiche dalle stime di posa da utilizzare nelle analisi di ricerca15. Sebbene i sensori indossabili siano meno intrusivi, è difficile catturare l'intera gamma dinamica di movimento di un intero corpo utilizzando solo i sistemi indossabili. I video consentono la registrazione simultanea dell'intera gamma di movimenti del paziente e dei suoi sintomi nel tempo. Usabilità del sistema per i pazienti: la raccolta di dati multimodali a casa richiede l'installazione e l'utilizzo di più dispositivi nella casa di un paziente, il che potrebbe diventare oneroso per i pazienti. Per rendere il sistema facile da usare e garantire il controllo del paziente, solo i dispositivi impiantati o fisicamente collegati al paziente (in questo caso il sistema INS e gli smartwatch) devono essere accesi manualmente prima di avviare una registrazione. Per i dispositivi separati dal paziente (in questo caso si tratta di dati registrati da videocamere), le registrazioni iniziano e terminano automaticamente senza richiedere alcuna interazione con il paziente. Durante la progettazione della GUI è stata prestata attenzione a ridurre al minimo il numero di pulsanti e ad evitare alberi di menu profondi in modo che le interazioni fossero semplici. Dopo che tutti i dispositivi sono stati installati, un coordinatore della ricerca ha mostrato al paziente come interagire con tutti i dispositivi attraverso le interfacce grafiche rivolte al paziente che fanno parte di ciascun dispositivo, ad esempio come terminare le registrazioni su qualsiasi dispositivo e come inserire la cronologia dei farmaci e i rapporti sui sintomi. Trasparenza della raccolta dei dati: Indicare chiaramente quando le telecamere sono accese è fondamentale in modo che le persone sappiano quando vengono registrate e possano sospendere la registrazione se hanno bisogno di un momento di privacy. Per raggiungere questo obiettivo, viene utilizzata un'applicazione di sistema di telecamere per controllare le registrazioni video con un'interfaccia grafica rivolta al paziente. La GUI si apre automaticamente all'avvio dell'applicazione ed elenca l'ora e la data della successiva registrazione pianificata. Quando una registrazione è in corso, un messaggio indica quando è programmata la fine della registrazione. Al centro della GUI, viene visualizzata un'immagine di grandi dimensioni di una luce rossa. L'immagine mostra la luce che è intensamente accesa ogni volta che è in corso una registrazione e cambia in un'immagine non illuminata quando le registrazioni sono spente.
Il protocollo descrive in dettaglio i metodi per la progettazione, la costruzione e l'implementazione di una piattaforma di raccolta dati a domicilio, per il controllo della qualità dei dati raccolti per verificarne la completezza e la robustezza e per la post-elaborazione dei dati da utilizzare nella ricerca futura.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65305/65305fig01.jpg"> Figura 1: Flusso di dati. I dati per ogni modalità vengono raccolti indipendentemente dalla residenza del paziente prima di essere elaborati e aggregati in un unico endpoint di archiviazione remota. I dati per ogni modalità vengono inviati automaticamente a un endpoint di archiviazione remota. Con l'aiuto di uno dei membri del team, può quindi essere recuperato, controllato per la validità, allineato nel tempo tra le modalità e sottoposto a una pre-elaborazione più specifica per la modalità. Il set di dati compilato viene quindi caricato in un endpoint di archiviazione remota a cui tutti i membri del team possono accedere in modo sicuro per un'analisi continua. Tutte le macchine con accesso ai dati, in particolare per i dati sensibili come i video grezzi, sono racchiuse all'interno di una VPN che garantisce che tutti i dati vengano trasferiti in modo sicuro e che i dati archiviati siano sempre crittografati. <a href="https://www.jove.com/files/ftp_upload/65305/65305fig01large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Analysis RCS Data Processing</td>
			<td>OpenMind</td>
			<td></td>
			<td>https://github.com/openmind-consortium/Analysis-rcs-data, open-source</td>
		</tr>
		<tr>
			<td>Apple Watches</td>
			<td>Apple, Inc</td>
			<td></td>
			<td>Use 2 watches for each patient, one on each wrist</td>
		</tr>
		<tr>
			<td>BRIO ULTRA HD PRO BUSINESS WEBCAM</td>
			<td>Logitech</td>
			<td>960-001105</td>
			<td>Used 3 in our platform design&#160;</td>
		</tr>
		<tr>
			<td>DaVinci Resolve video editing software&#160;</td>
			<td>DaVinci Resolve</td>
			<td></td>
			<td>used to support camera calibration</td>
		</tr>
		<tr>
			<td>Dell XPS PC&#160;</td>
			<td>Dell</td>
			<td></td>
			<td>2T hard disk drive, 500GB SSD</td>
		</tr>
		<tr>
			<td>Dropbox</td>
			<td>Dropbox</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>ffmpeg&#160;</td>
			<td>N/A</td>
			<td></td>
			<td>open-source, install to run the Video Recording App</td>
		</tr>
		<tr>
			<td>Gooseneck mounts for webcams</td>
			<td>N/A</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>GPU</td>
			<td>Nvidia</td>
			<td></td>
			<td>A minimum of 8GB GPU memory is recommended to run OpenPose, 12GB is ideal</td>
		</tr>
		<tr>
			<td>Java 11</td>
			<td>Oracle</td>
			<td></td>
			<td>Install to run the Video Recording App</td>
		</tr>
		<tr>
			<td>Microsoft Surface tablet&#160;</td>
			<td>Microsoft</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>NoMachine&#160;</td>
			<td>NoMachine</td>
			<td></td>
			<td>Ideal when using a Linux OS, open-source</td>
		</tr>
		<tr>
			<td>OpenPose&#160;</td>
			<td>N/A</td>
			<td></td>
			<td>open-source</td>
		</tr>
		<tr>
			<td>Rclone file transfer program</td>
			<td>Rclone</td>
			<td></td>
			<td>Encrypts data and copies or moves data to offsite storage, open-source</td>
		</tr>
		<tr>
			<td>StrivePD app</td>
			<td>RuneLabs</td>
			<td></td>
			<td>We installed the app on the Apple Watches to start recordings and upload data to an online portal.</td>
		</tr>
		<tr>
			<td>Summit RC+S neuromodulation system</td>
			<td>Medtronic</td>
			<td></td>
			<td>For investigational use only</td>
		</tr>
		<tr>
			<td>touchscreen-compatible monitor</td>
			<td>N/A</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Video for Linux 2 API</td>
			<td>The Linux Kernel</td>
			<td></td>
			<td>Install if using a Linux OS for video recording&#160;</td>
		</tr>
		<tr>
			<td>Wasabi&#160;</td>
			<td>Wasabi</td>
			<td></td>
			<td>Longterm cloud data storage</td>
		</tr>
		<tr>
			<td>WireGuard VPN Protocol</td>
			<td>WireGuard</td>
			<td></td>
			<td>open-source</td>
		</tr>
	</tbody>
</table>

bringing the clinic home: an at-home multi-modal data collection ecosystem to support adaptive deep brain stimulation

La stimolazione cerebrale profonda adattiva (aDBS) è promettente per migliorare il trattamento dei disturbi neurologici come il morbo di Parkinson (PD). aDBS utilizza biomarcatori correlati ai sintomi per regolare i parametri di stimolazione in tempo reale per indirizzare i sintomi in modo più preciso. Per abilitare queste regolazioni dinamiche, è necessario determinare i parametri per un algoritmo aDBS per ogni singolo paziente. Ciò richiede una lunga messa a punto manuale da parte dei ricercatori clinici, rendendo difficile trovare una configurazione ottimale per un singolo paziente o scalare per molti pazienti. Inoltre, l'efficacia a lungo termine degli algoritmi aDBS configurati in clinica mentre il paziente è a casa rimane una questione aperta. Per implementare questa terapia su larga scala, è necessaria una metodologia per configurare automaticamente i parametri dell'algoritmo aDBS monitorando a distanza i risultati della terapia. In questo documento, condividiamo un progetto per una piattaforma di raccolta dati a domicilio per aiutare il settore ad affrontare entrambi i problemi. La piattaforma è composta da un ecosistema hardware e software integrato che è open-source e consente la raccolta domestica di dati video neurali, inerziali e multi-camera. Per garantire la privacy dei dati identificabili dai pazienti, la piattaforma crittografa e trasferisce i dati attraverso una rete privata virtuale. I metodi includono l'allineamento temporale dei flussi di dati e l'estrazione di stime di posa dalle registrazioni video. Per dimostrare l'uso di questo sistema, abbiamo implementato questa piattaforma a casa di un individuo con PD e abbiamo raccolto dati durante attività cliniche autoguidate e periodi di comportamento libero nel corso di 1,5 anni. I dati sono stati registrati ad ampiezze di stimolazione sub-terapeutica, terapeutica e sovra-terapeutica per valutare la gravità dei sintomi motori in diverse condizioni terapeutiche. Questi dati allineati nel tempo mostrano che la piattaforma è in grado di raccogliere dati multimodali sincronizzati a casa per la valutazione terapeutica. Questa architettura di sistema può essere utilizzata per supportare la ricerca automatizzata sull'aDBS, per raccogliere nuovi set di dati e per studiare gli effetti a lungo termine della terapia DBS al di fuori della clinica per coloro che soffrono di disturbi neurologici.

Bringing the Clinic Home: An At-Home Multi-Modal Data Collection Ecosystem to Support Adaptive Deep Brain Stimulation

Progettazione e implementazione di prototipi di piattaforme Abbiamo progettato un prototipo di piattaforma e l'abbiamo distribuito a casa di un singolo paziente (Figura 1). Dopo la prima installazione dell'hardware in casa, la piattaforma può essere mantenuta e i dati raccolti interamente tramite accesso remoto. I dispositivi INS, gli orologi intelligenti e le telecamere sono dotati di applicazioni rivolte ai pazienti che consentono ai pazienti di avviare e interrompere ...

Watch this Scientific Journal Video about Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring at JoVE.com

Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring (Video) | JoVE

Il protocollo mostra un prototipo della piattaforma di raccolta dati multimodale a domicilio che supporta la ricerca che ottimizza la stimolazione cerebrale profonda adattiva (aDBS) per le persone con disturbi neurologici del movimento. Presentiamo anche i risultati chiave dell'implementazione della piattaforma per oltre un anno a casa di un individuo con malattia di Parkinson.

Portare la clinica a casa: un ecosistema di raccolta dati multimodale a domicilio per supportare la stimolazione cerebrale profonda adattiva

Adaptive deep brain stimulation (aDBS) shows promise for improving treatment for neurological disorders such as Parkinson's disease (PD). aDBS uses ...

La mia ricerca supporta l'automazione della stimolazione cerebrale profonda adattiva o ADBS per il morbo di Parkinson nel comfort della casa di qualcuno. Una domanda è se questa terapia può essere monitorata in modo sicuro per un lungo periodo al di fuori della clinica, garantendo al contempo la privacy del paziente. Inoltre, stiamo esaminando la possibilità di regolare automaticamente i parametri dell'ADBS senza la necessità che il paziente torni in clinica.La ricerca sull'ADBS ha bisogno di piattaforme di raccolta dati per misurare con precisione la qualità del movimento mentre i pazienti svolgono la loro vita quotidiana e per fornire aggiornamenti da remoto agli algoritmi terapeutici. Questo protocollo raccoglie diverse modalità mentre i pazienti si muovono liberamente nelle loro case, compresi i dati video per catturare cinematiche isolate come i movimenti delle dita. I nostri risultati ci permettono di esplorare i cambiamenti nella malattia di Parkinson per lunghi periodi di tempo e ci permettono di chiederci quali misurazioni sono necessarie per analizzare e trattare i vari sintomi della malattia di Parkinson al di fuori dell'osservazione clinica.