Metodę, która dzięki danym z urządzeń mobilnych i opasek sensorycznych umożliwi efektywniejsze leczenie chorych na parkinsona, opracowuje doktorant Wojskowej Akademii Technicznej.
W ramach doktoratu mgr inż. Tomasz Gutowski realizuje projekt, którego celem jest opracowanie metody pozwalającej znacznie efektywniej planować pory i rozmiary dawek leków przyjmowanych w chorobie Parkinsona. Mogą w tym pomóc pomiary realizowane za pomocą urządzeń mobilnych i opasek sensorycznych. W pracy nad tym rozwiązaniem naukowiec wykorzystuje uczenie maszynowe (ang. machine learning). Zaproponowana przez niego metoda pozwala na podstawie badań sensorycznych oceniać stan pacjenta, a następnie na bazie przebiegu zmienności stanów badanego na przestrzeni pojedynczego dnia, kilku poprzednich dni i całej historii choroby obserwować, jak ten stan zmienia się pod wpływem leku. Dzięki temu możliwe będzie modyfikowanie na bieżąco zarówno czasów przyjmowania poszczególnych dawek, jak i ich wielkości, tak aby objawy choroby były minimalizowane, a efekty uboczne, które często towarzyszą wysokim dawkom leków, redukowane.
Młody inżynier z WAT korzysta z danych udostępnionych przez fundację Michael J. Fox Foundation, która zajmuje się chorobą Parkinsona. Celem badania przeprowadzonego w dwóch amerykańskich miastach było określenie wpływu jednego z leków, czyli lewodopy, która jest prekursorem dopaminy, na zmianę intensywności objawów chorobowych. Na ciele badanej osoby umieszczono sensory z akcelerometrem – na kończynach górnych, dolnych i na tułowiu. Przez 4 dni pomiary z tych sensorów nieprzerwanie rejestrowano. Podczas pierwszego i czwartego dnia pacjenci pod okiem lekarza wykonywali określone czynności, a podczas tych ćwiczeń specjaliści oceniali intensywność poszczególnych objawów towarzyszących chorobie Parkinsona. Do ocenianych objawów zaliczano: drżenie, bradykinezję, czyli spowolnienie ruchowe, i dyskinezy – mimowolne ruchy pląsawicze, które często towarzyszą wysokim dawkom leków. Zbieranie takich informacji pozwala obserwować, jak leki działają na pacjenta. Poza danymi sensorycznymi zbiór zawiera również pory przyjmowania dawek leków, ich rodzaj czy wielkość dawki – pozwala to zobrazować, jak leki wpływają na stan pacjenta w poszczególnych chwilach.
Chciałem sprawdzić, jak na podstawie badań sensorycznych jesteśmy w stanie określić stan pacjenta. Do modeli uczenia maszynowego, które zbudowałem, wykorzystałem pomiary sensoryczne i podstawowe metadane dotyczące przeprowadzonych ćwiczeń, czyli tego, na której ręce był założony sensor, z której ręki to jest pomiar, jaki sensor został wykorzystany. Nie wykorzystywałem żadnych informacji, które by pozwalały na odróżnienie pacjentów, więc to, co zbudowałem, powinno pozwolić na powtórzenie takich pomiarów w przypadku dowolnego innego chorego i uzyskaniu zbliżonych wyników – opisuje.
Naukowiec z WAT analizował też wybór ćwiczeń pozwalających w najlepszy sposób ocenić stan pacjenta i intensywność objawów.
Porównałem wyniki, które uzyskałem dzięki zastosowaniu modeli uczenia maszynowego, z opiniami lekarzy na temat stanu danego pacjenta. Każdy z objawów był oceniany przez specjalistów – drżenie w skali od zera do czterech, czyli od braku drżenia po bardzo intensywne drżenie, w przypadku bradykinezji i dyskinez w większości pomiarów było to oceniane binarnie, czyli albo występuje, albo nie występuje – tłumaczy.
Zastosowane metody uczenia maszynowego, w tym przypadku konwolucyjne sieci neuronowe, pozwoliły na solidną ocenę stanu pacjenta na podstawie zarejestrowanych sygnałów. Przedstawił dokładne wyniki i wskazał ćwiczenia, które pozwalają na jak najlepsze dokonanie oceny intensywności tych symptomów.
W jednej z publikacji mgr inż. Tomasz Gutowski wraz z płk. dr. inż. Mariuszem Chmielewskim zaprezentowali całościową koncepcję dotyczącą badań nad chorobą Parkinsona. Zakłada ona między innymi dokonywanie pomiarów i późniejszą ocenę intensywności stanów pacjenta na ich podstawie. W efekcie możliwa będzie optymalizacja dawek i czasów ich przyjęcia. Aby wykonać pomiary, stosowany jest zestaw ćwiczeń realizowany z wykorzystaniem opaski sensorycznej i telefonu. Pacjenci zakładają opaskę, w dłoni trzymają telefon i w interwałach czasowych wykonują określone ćwiczenia – to właśnie wtedy rejestrowane są dane z akcelerometru z żyroskopu, z czujników elektromiografii umieszczonych w opasce. Po wykonaniu każdego ćwiczenia pacjent lub lekarz, jeżeli jest obecny, dokonuje „wizualnej” oceny stanu pacjenta. Na podstawie tych par uczących, czyli zarejestrowanego pomiaru i oceny stanu przez lekarza, uczone są modele uczenia maszynowego. Później – na nowym zestawie danych – będą w stanie na podstawie tego sygnału wejściowego ocenić, jaki jest stan pacjenta. W przyszłości, gdy pacjent będzie w domu i będzie wykonywał te ćwiczenia, lekarz będzie mógł monitorować stan pacjenta – jak zmienia się on w ciągu dnia czy pod wpływem przyjęcia leków.
Badania te są realizowane w oparciu o aplikację mobilną, która pozwala na dokonywanie pomiarów, na przypomnienia dotyczące leków – pacjent za każdym razem, gdy musi wziąć lek, otrzymuje informację, w której potwierdza, czy przyjął lek, czy nie lub czy później go przyjmie. Aplikacja zawiera także ankiety, w ramach których dokonywana jest ocena stanu pacjenta – pacjent odpowiada na pytania dotyczące zdrowia. Dostępne są także bardziej rozbudowane wersje ankiet, które zostały utworzone w oparciu o określone uznawane skale dla choroby Parkinsona – wypełnia je lekarz. Dzięki aplikacji lekarz może obserwować, jak się zmienia stan pacjenta w związku z przyjmowaną dawką leków.
Gdy już mamy przebieg zmienności pacjenta z pewnego okresu, możemy zbudować model, który będzie nam w stanie dokonać predykcji tego, jak pacjent będzie czuł się w przyszłości, po przyjęciu dowolnej dawki leku. Na tej podstawie możemy dokonać optymalizacji rozmiarów dawek i pór ich przyjęcia. Tak po prostu, aby pacjent jak najmniej odczuwał zarówno objawy, głównie motoryczne, które jesteśmy w stanie ocenić z wykorzystaniem urządzeń mobilnych i opaski, a także skutki uboczne, które towarzyszą wysokim dawkom leków – wyjaśnia mgr inż. Tomasz Gutowski.
Po zbadaniu możliwości wykorzystania głębokich sieci neuronowych do predykcji stanu pacjenta na podstawie sygnału oraz zidentyfikowaniu najlepszych ćwiczeń do określania stanu pacjenta i wyeliminowaniu tych ruchów, które zakłócają sygnał i utrudniają algorytmowi wykrycie objawów, naukowiec z WAT zamierza rozwinąć swój projekt na tyle, by pacjenci z chorobą Parkinsona mogli liczyć na efektywniejsze leczenie i zdecydowaną poprawę jakości życia.
Dominika Naruszko, źródło: WAT