Om een goede en betrouwbare diagnose van Parkinson moeten patiënten die zich in de beginstadia van de ziekte bevinden, vaak diverse mobiliteitstaken uitvoeren, onder andere om de loop- en bewegingspatronen te observeren en reflexen testen. Deze tests zijn zowel voor de patiënt als arts een arbeidsintensief proces.
“De diagnose van mobiliteitsstoornissen is erg moeilijk. Een groot deel van het proces is subjectief en daardoor niet erg nauwkeurig”, aldus onderzoeker Michael Cummings, een hoogleraar biologie. “Een meer nauwkeurige diagnose zou het fysieke en psychologische leed van patiënten kunnen verzachten, mede omdat daardoor veelvuldige bezoeken aan klinieken en verkeerde diagnoses voorkomen kunnen worden.”
De door onderzoekers nieuw ontwikkelde procedure, waarbij gebruik gemaakt wordt van wearable sensoren en machine learning, kan dat proces beduidend vereenvoudigen en ervoor zorgen dat een Parkinson diagnose ook eerder gesteld kan worden, zodat vroeger gestart kan worden met de behandeling. De bevindingen zijn hier gepubliceerd.
Diagnose met machine learning
Onderzoekers van het Center for Bioinformatics and Computational Biology (CBCB) van de Universiteit van Maryland hebben samen met collega’s een machine learning algoritme ontwikkeld dat data van draagbare, beweging registrerende, sensoren te analyseren. Daarmee kunnen delen van het testproces voor de diagnose van Parkinson geautomatiseerd worden. Uiteindelijk kan dit volgens de onderzoekers leiden tot nauwkeurigere en eerdere diagnoses, wat weer kan leiden tot eerdere therapeutische interventies.
Uit het onderzoek is gebleken dat een enkele sensor op de onderrug in combinatie met een enkele mobiliteitstaak waarbij de patiënt meerdere bewegingen maakt, al voldoende is om, Parkinson te kunnen vaststellen. De onderzoekers ontwikkelden vervolgens een geavanceerd raamwerk voor machine learning dat patronen en variaties in de data analyseerde.
Hier werden zowel de identificatie van symptomen van de ziekte als de diagnostische nauwkeurigheid verbeterd. In het onderzoek kon zelfs een diagnostische nauwkeurigheid van 92,6 procent gerapporteerd worden. Ofwel, in meer dan negen op de tien gevallen was de door het algoritme op basis van de data van de bewegingssensoren gestelde diagnose correct. Ter vergelijk zonder de AI-inzet lag de nauwkeurigheid voor klinische diagnose door deskundigen op het gebied van bewegingsstoornissen op 81 procent.
Parkinson diagnostiek
Wereldwijd, maar ook in Nederland, wordt volop gewerkt aan het verbeteren van de diagnostische processen voor Parkinson. Het vaststellen van de ziekte in een zo vroeg mogelijk stadium is van cruciaal belang voor de behandeling en kwaliteit van leven van patiënten. Enkele maanden geleden heeft de Amerikaanse FDA een oproep gedaan aan ontwikkelaars om AI-modellen in te dienen voor test en goedkeuring. De toezichthouder is ervan overtuigd dat AI-technologie kan helpen om de gezondheid van mensen die mogelijk Parkinson kunnen krijgen, beter in kaart te brengen.
Al in 2020 ontwikkelde een student Technische Geneeskunde, tijdens haar afstudeerstage bij Isala, een programma dat kan beoordelen of een patiënt Parkinson heeft. Daarvoor werd gebruik gemaakt van beelden die gemaakt worden met de SPECT-CT scanner. Die beelden worden gemaakt op de afdeling Nucleaire Geneeskunde bij patiënten van wie een neuroloog vermoed dat ze Parkinson hebben.
