Neue Studie zeigt, wie maschinelles Lernen die Versorgung von Menschen mit Rett-Syndrom verbessern kann

Sep 05, 2023

1. März 2023

Im letzten Jahrzehnt hat die Verwendung tragbarer Geräte sowohl für medizinische als auch für Verbraucherzwecke, die die Physiologie einer Person messen, stark zugenommen. Die Möglichkeit, unsere eigenen Aktivitäten und Gesundheit zu überwachen, ist zugänglicher als je zuvor. Während die Anwendung dieser Geräte in der biomedizinischen Forschung weitgehend auf die Kardiologie beschränkt ist, zeigt eine neue Studie, wie die Verwendung eines tragbaren elektronischen Brustpflasters in Kombination mit Fortschritten beim maschinellen Lernen und der künstlichen Intelligenz bei der Entwicklung neuer Behandlungen für das Rett-Syndrom helfen könnte. sowie eine Reihe anderer gesundheitlicher Probleme.

Gari Clifford, DPhil, und sein Forschungsteam an der Emory University und dem Georgia Institute of Technology, veröffentlicht in PLOS One, verwendeten das MC10 Biostamp-Pflaster, um die Bewegung und Herzaktivität von Menschen mit Rett-Syndrom zu analysieren.

Das Rett-Syndrom ist eine seltene genetische neurologische Entwicklungsstörung, die durch schwere Beeinträchtigungen gekennzeichnet ist und die Fähigkeit einer Person beeinträchtigt, normal zu sprechen, zu gehen, zu essen und zu atmen. Derzeit gibt es keine Heilung für das Rett-Syndrom und es fehlt die Möglichkeit, objektive Muster von Symptomen und Krankheitsverläufen direkt bei Patienten zu erkennen.

Während des Studienzeitraums überwachte das tragbare Pflaster die Herzaktivität und Bewegung der Studienteilnehmer. Die über einen kontinuierlichen Zeitraum von 48 Stunden gesammelten Daten wurden dann zur Entwicklung eines maschinellen Lernalgorithmus verwendet, der Muster in Physiologie und Bewegung identifizierte, die für den Schweregrad des Rett-Syndroms spezifisch sind. Clifford und sein Team fanden insbesondere drei spezifische Muster in der Bewegung und der Herzfrequenz (und wie sie sich gegenseitig beeinflussten), die es ihnen ermöglichten, Personen mit hoher und geringer Symptomschwere genau zu unterscheiden.

Dies führte zu einem System, das das Potenzial hat, die Schwere der Symptome in der gesamten Bevölkerung basierend auf ihrer Bewegung und Herzaktivität objektiv einzustufen. Diese Daten haben erhebliche Auswirkungen auf die Bemühungen, die Therapieoptionen für Menschen mit Rett-Syndrom in zukünftigen klinischen Studien zu verbessern.

Aktuelle Optionen zur Messung der Wirkung einer Behandlung basieren auf Fragebögen, die von Ärzten oder Eltern ausgefüllt werden. Ein aus der Herz- und Bewegungsaktivität abgeleitetes physiologisches Maß, das dem Gesamtschweregrad eines Patienten entspricht, könnte ein wichtiger Biomarker sein, der anzeigt, ob eine Behandlung später bei anderen Symptomen wie Kommunikation und Mobilität helfen könnte oder nicht.

„Dieser Algorithmus liefert eine objektive Metrik, mit deren Hilfe sich die Wirkung eines Medikaments oder einer anderen Intervention auf die Symptome eines Rett-Syndrom-Patienten automatisch beurteilen lässt“, sagt Clifford. „Wir freuen uns, dass diese Biomarker möglicherweise eine personalisiertere und effektivere Behandlung dieser und möglicherweise auch anderer Bevölkerungsgruppen ermöglichen könnten.“

Der Rett Syndrome Research Trust (RSRT), die führende gemeinnützige Organisation, die sich der Suche nach einem Heilmittel für das Rett-Syndrom widmet, fördert die Forschung und stellt Clifford und seinem Team zusätzliche Mittel zur Verfügung, um die Arbeit in einer größeren Population weiter zu validieren.

„Die Ergebnisse dieser ersten Studie haben unsere Erwartungen übertroffen und zeigen deutlich, dass direkte und objektive Messungen der Patientensymptome nicht nur möglich, sondern auch empfindlich genug sind, um die Schwere der Symptome selbst bei einer kleinen Anzahl von Patienten zu unterscheiden“, sagt Jana von, wissenschaftliche Leiterin des RSRT Hehn, PhD. „Diese Arbeit hat das Potenzial, die Zeitspanne für klinische Studien durch eine genauere Beurteilung der Behandlungseffekte und eine geringere Patientenzahl zu verkürzen. Wir freuen uns sehr, diese wichtige Arbeit mit Dr. Clifford und seinem Expertenteam fortzusetzen.“

Der Einsatz von künstlicher Intelligenz und maschinellem Lernen hat in der klinischen Versorgung in den letzten Jahren zunehmend an Aufmerksamkeit gewonnen, da er die Diagnose und Behandlung vieler Krankheiten verbessern kann. Dies ist das erste Mal, dass maschinelles Lernen auf Menschen mit Rett-Syndrom angewendet wird, aber Clifford sieht eine Möglichkeit, dieses Modell auf andere Bevölkerungsgruppen anzuwenden, beispielsweise auf Menschen mit Autismus.

Clifford und sein Team haben bereits mit der nächsten Forschungsphase begonnen und hoffen, bis Herbst 2023 Ergebnisse vorzulegen.