Genaues Telemonitoring des Fortschritts der Parkinson-Krankheit durch nicht-invasive Sprachtests

Zusammenfassung Die Verfolgung des Fortschritts der Symptome der Parkinson-Krankheit (PD) erfolgt häufig mithilfe der Unified Parkinson’s Disease Rating Scale (UPDRS), die die Anwesenheit des Patienten in der Klinik sowie zeitaufwendige körperliche Untersuchungen durch geschultes medizinisches Personal erfordert. Daher ist die Symptombeobachtung sowohl für den Patienten als auch für das klinische Personal kostspielig und logistisch unpraktisch, was auch die Rekrutierung für zukünftige großangelegte klinische Studien behindert. Hier zeigen wir erstmals die schnelle, remote Nachbildung der UPDRS-Bewertung mit klinisch nützlicher Genauigkeit (ungefähr 7,5 UPDRS-Punkte Unterschied zu den Schätzungen der Kliniker), wobei wir nur einfache, selbstverabreichte und nicht-invasive Sprachtests verwenden. Wir charakterisieren Sprache mit Signalverarbeitungsalgorithmen und extrahieren klinisch nützliche Merkmale des durchschnittlichen PD-Fortschritts. Anschließend wählen wir das einfachste Modell mit einem robusten Merkmalsauswahlalgorithmus aus und kartieren statistisch die ausgewählte Merkmalsuntergruppe auf die UPDRS mithilfe von linearen und nichtlinearen Regressionsmethoden, einschließlich klassischer kleinster Quadrate und nichtparametrischer Klassifikations- und Regressionsbäume (CART). Wir überprüfen unsere Ergebnisse in der größten Datenbank für PD-Sprache, die existiert (~6.000 Aufnahmen von 42 PD-Patienten, die für eine sechsmonatige, multizentrische Studie rekrutiert wurden). Diese Ergebnisse unterstützen die Machbarkeit eines häufigen, remote und genauen UPDRS-Trackings. Diese Technologie könnte eine Schlüsselrolle in Telemonitoring-Rahmen spielen, die großangelegte klinische Studien zu neuartigen PD-Behandlungen ermöglichen.