Использование технологии захвата движения и искусственного интеллекта для отслеживания прогрессирования двигательных нарушений

Многопрофильная группа исследователей разработала способ мониторинга прогрессирования двигательных расстройств с использованием технологии захвата движения и искусственного интеллекта.

В двух новаторских исследованиях, опубликованных в журнале Nature Medicine, междисциплинарная группа ИИ и клинических исследователей показала, что, объединяя данные о движениях человека, собранные с помощью носимых устройств, с новой мощной медицинской технологией ИИ, они могут идентифицировать четкие модели движений. прогнозировать прогрессирование заболевания в будущем и значительно повысить эффективность клинических испытаний при двух очень разных редких заболеваниях, мышечной дистрофии Дюшенна (МДД) и атаксии Фридрейха (ФА).

МДД и ФА являются редкими дегенеративными генетическими заболеваниями, которые влияют на подвижность и в конечном итоге приводят к параличу. В настоящее время нет лекарств от обоих заболеваний, но исследователи надеются, что эти результаты значительно ускорят поиск новых методов лечения.

Отслеживание прогрессирования ФА и МДД обычно осуществляется посредством интенсивного тестирования в клинических условиях. Эти документы предлагают значительно более точную оценку, которая также повышает точность и объективность собранных данных.

По оценкам исследователей, использование этих маркеров заболеваний означает, что для разработки нового лекарства требуется значительно меньше пациентов по сравнению с существующими методами. Это особенно важно для редких заболеваний, когда может быть трудно выявить подходящих пациентов.

Ученые надеются, что помимо использования этой технологии для наблюдения за пациентами в клинических испытаниях ее также можно будет использовать для мониторинга или диагностики ряда распространенных заболеваний, влияющих на двигательное поведение, таких как слабоумие, инсульт и ортопедические заболевания.

Старший и соответствующий автор обеих статей, профессор Альдо Фейсал из факультетов биоинженерии и вычислительной техники Имперского колледжа Лондона, который также является директором Центра докторантуры UKRI в области ИИ для здравоохранения и заведующим кафедрой цифрового здравоохранения в Университете Байройта ( Германия) и обладатель стипендии UKRI Turing AI Fellowship, сказал: «Наш подход собирает огромные объемы данных о движениях всего тела человека — больше, чем у любого невролога будет достаточно точности или времени для наблюдения за пациентом. Наша технология искусственного интеллекта создает цифровой двойник пациента и позволяет нам делать беспрецедентно точные прогнозы того, как будет развиваться болезнь отдельного пациента Мы считаем, что одна и та же технология ИИ, работающая при двух очень разных заболеваниях, показывает, насколько многообещающе ее можно применять ко многим заболеваниям и помогать нам разработать методы лечения многих других заболеваний еще быстрее, дешевле и точнее».

В этих двух документах освещается работа большого сотрудничества исследователей и экспертов в области технологий искусственного интеллекта, инженерии, генетики и клинических специальностей. К ним относятся исследователи из Департамента биоинженерии и Департамента вычислительной техники Imperial, Лондонского института медицинских наук MRC (MRC LMS), Центра UKRI по искусственному интеллекту для здравоохранения, Института детского здоровья UCL Great Ormond Street (UCL GOS ICH), NIHR Great. Центр биомедицинских исследований больницы на Ормонд-стрит (NIHR GOSH BRC), Имперский колледж Лондона, Центр атаксии в UCL, Институт неврологии на Квин-сквер, Больница на Грейт-Ормонд-стрит, Национальная больница неврологии и нейрохирургии, Национальная больница неврологии и нейрохирургии (UCLH и UCL/ UCL BRC), Байройтский университет в Германии и госпиталь Джемелли в Риме, Италия.

Отпечатки пальцев движения – испытания в деталях

В исследовании, посвященном МДД, исследователи и клиницисты из Имперского колледжа Лондона, больницы Грейт-Ормонд-Стрит и Университетского колледжа Лондона опробовали сенсорный костюм для ношения на теле у 21 ребенка с МДД и 17 здоровых детей того же возраста. Дети носили датчики при проведении стандартных клинических обследований (например, при тесте с 6-минутной ходьбой), а также при выполнении своих повседневных дел, таких как обед или игра.

В исследовании FA команды Имперского колледжа Лондона и Центра атаксии Института неврологии UCL Queen Square работали с пациентами, чтобы определить ключевые модели движений и предсказать генетические маркеры заболевания. FA является наиболее распространенной наследственной атаксией и вызывается необычно большим триплетным повтором ДНК, который выключает ген FA. Используя эту новую технологию искусственного интеллекта, команда смогла использовать данные о движении, чтобы точно предсказать «отключение» гена FA, измеряя его активность без необходимости брать какие-либо биологические образцы у пациентов.

Команда смогла применить рейтинговую шкалу для определения уровня инвалидности при атаксии SARA и функциональных оценок, таких как ходьба, движения кистей/рук (SCAFI) у 9 пациентов с ФА и контрольной группы. Затем результаты этих подтвержденных клинических оценок сравнивали с результатами, полученными при использовании новой технологии на тех же пациентах и ​​в контрольной группе. Последние демонстрируют большую чувствительность в прогнозировании прогрессирования заболевания.

В обоих исследованиях все данные с датчиков собирались и вводились в технологию искусственного интеллекта для создания индивидуальных аватаров и анализа движений. Этот обширный набор данных и мощный вычислительный инструмент позволили исследователям определить отпечатки ключевых движений, наблюдаемые у детей с МДД, а также у взрослых с ФА, которые отличались в контрольной группе. Многие из этих двигательных паттернов, основанных на ИИ, ранее не были описаны клинически ни при МДД, ни при ФА.

Ученые также обнаружили, что новый метод искусственного интеллекта также может значительно улучшить прогнозы того, как болезнь отдельных пациентов будет прогрессировать в течение шести месяцев, по сравнению с текущими оценками золотого стандарта. Такой точный прогноз позволяет более эффективно проводить клинические испытания, чтобы пациенты могли быстрее получить доступ к новым методам лечения, а также помочь более точно дозировать лекарства.

Меньшие числа для будущих клинических испытаний

Этот новый способ анализа показателей движений всего тела предоставляет медицинским бригадам четкие маркеры заболевания и прогнозы прогрессирования. Это бесценные инструменты во время клинических испытаний для измерения преимуществ новых методов лечения.

Новая технология может помочь исследователям проводить клинические испытания условий, влияющих на движение, быстрее и точнее. В исследовании DMD исследователи показали, что эта новая технология может сократить количество детей, необходимых для определения того, будет ли работать новое лечение, до четверти от числа детей, требуемых с помощью существующих методов.

Точно так же в исследовании FA исследователи показали, что они могут достичь той же точности с 10 пациентами вместо более чем 160. Эта технология ИИ особенно эффективна при изучении редких заболеваний, когда популяция пациентов меньше. Кроме того, технология позволяет изучать пациентов с такими событиями заболевания, как потеря способности передвигаться, тогда как текущие клинические испытания нацелены на когорты пациентов, которые передвигаются или не передвигаются.

Цитаты авторов

Соавтор обоих исследований профессор Томас Войт, директор Центра биомедицинских исследований NIHR на Грейт-Ормонд-стрит (NIHR GOSH BRC) и профессор нейронаук развития в UCL GOS ICH, сказал: «Эти исследования показывают, как инновационные технологии могут значительно улучшить то, как мы Изучайте болезни изо дня в день. Благодаря сотрудничеству в области институтов, больниц, клинических специальностей, а также с преданными пациентами и семьями, чтобы мы могли начать решать сложные проблемы, стоящие перед исследованиями редких заболеваний».

Совместный первый автор обоих исследований, доктор Баласундарам Кадирвелу, научный сотрудник факультетов вычислительной техники и биоинженерии Имперского колледжа Лондона, сказал: «Мы были удивлены, увидев, как наш алгоритм ИИ смог обнаружить некоторые новые способы анализа движений человека. их «поведенческие отпечатки пальцев», потому что так же, как отпечатки пальцев вашей руки позволяют нам идентифицировать человека, эти цифровые отпечатки пальцев точно характеризуют болезнь, независимо от того, находится ли пациент в инвалидной коляске или ходит, находится в клинике на осмотре или обедает в кафе. .”

Совместный первый автор исследования DMD и соавтор исследования FA, доктор Валерия Рикотти, почетный клинический лектор UCL GOS ICH, сказала: «Исследование редких состояний может быть значительно более дорогостоящим и сложным с точки зрения логистики, а это означает, что пациенты упускают о потенциальных новых методах лечения. Повышение эффективности клинических испытаний дает нам надежду на то, что мы сможем успешно протестировать гораздо больше методов лечения».

Соавтор профессор Паола Джунти, руководитель Центра атаксии Калифорнийского университета в Лос-Анджелесе, Института неврологии Квин-сквер и почетный консультант Национальной больницы неврологии и нейрохирургии UCLH, сказала: «Мы в восторге от результатов этого проекта, который показал, как ИИ подходит к безусловно, лучше фиксируют прогрессирование болезни при таком редком заболевании, как атаксия Фридрейха. С помощью этого нового подхода мы можем революционизировать дизайн клинических испытаний новых лекарств и отслеживать эффекты уже существующих лекарств с точностью, которая была неизвестна при использовании предыдущих методов».

«Большое количество пациентов с ФА, которые были очень хорошо охарактеризованы как клинически, так и генетически в Центре атаксии UCL Queen Square Institute of Neurology, в дополнение к нашему решающему вкладу в клинический протокол сделали проект возможным. Мы также благодарны всем нашим пациентам. которые участвовали в этом проекте».

Соавтор обоих исследований профессор Ричард Фестенштейн из Лондонского института медицинских наук MRC и факультета наук о мозге Имперского колледжа Лондона сказал: «Пациенты и их семьи часто хотят знать, как прогрессирует их болезнь, и технология захвата движения в сочетании с искусственным интеллектом может помочь предоставить эту информацию. Мы надеемся, что это исследование может изменить клинические испытания редких двигательных расстройств, а также улучшить диагностику и мониторинг пациентов, превышающих человеческий уровень».

Исследование финансировалось стипендией UKRI Turing AI Fellowship профессору Фейсалу, Центру биомедицинских исследований Имперского колледжа NIHR (BRC), Лондонскому институту медицинских наук MRC, Исследовательскому фонду Дюшенна, больнице NIHR Great Ormond Street Hospital (GOSH) BRC, UCL. /UCLH BRC и Совет по медицинским исследованиям Великобритании.