In-home wireless device tracks disease progression in Parkinson’s patients
パーキンソン病患者の病勢を追跡する家庭用無線装置
要約(英語):
researchers from MIT and elsewhere demonstrated an in-home device that can monitor a patient’s movement and gait speed, which can be used to evaluate Parkinson’s severity, the progression of the disease, and the patient’s response to medication. The device gathers data passively using radio signals that reflect off the patient’s body as they move around the home. The device, which is about the size of a Wi-Fi router, gathers data passively using radio signals that reflect off the patient’s body. It could be used
要約(日本語):
MITおよび他の場所の研究者は、パーキンソン病の重症度、病気の進行、および薬物に対する患者の反応を評価するために使用できる患者の動きと歩行速度を監視できる在宅デバイスを実証しました。このデバイスは、患者が自宅を動き回るときに患者の体を反射する無線信号を使用して受動的にデータを収集します。wi-fiルーターのサイズのデバイスは、患者の体を反射する無線信号を使用して受動的にデータを収集します。使用できます
本文:
Parkinson’s disease is the fastest-growing neurodegenerative disease, now affecting more than 10 million people worldwide, yet clinicians still face huge challenges in tracking its severity and progression.
パーキンソン病は最も急成長している神経変性疾患であり、現在は世界中で1,000万人以上に影響を与えていますが、臨床医はその重症度と進行を追跡する上で依然として大きな課題に直面しています。
Clinicians typically evaluate patients by testing their motor skills and cognitive functions during clinic visits.
臨床医は通常、診療所の訪問中に運動能力と認知機能をテストすることにより、患者を評価します。
These semisubjective measurements are often skewed by outside factors — perhaps a patient is tired after a long drive to the hospital.
これらの半基1の測定値は、多くの場合、外部の要因によって歪められます。おそらく、病院への長いドライブの後、患者は疲れているでしょう。
More than 40 percent of individuals with Parkinson’s are never treated by a neurologist or Parkinson’s specialist, often because they live too far from an urban center or have difficulty traveling.
パーキンソン病の個人の40％以上は、神経科医やパーキンソン病の専門家によって治療されることはありません。
In an effort to address these problems, researchers from MIT and elsewhere demonstrated an in-home device that can monitor a patient’s movement and gait speed, which can be used to evaluate Parkinson’s severity, the progression of the disease, and the patient’s response to medication.
これらの問題に対処するために、MITおよび他の場所の研究者は、パーキンソン病の重症度、病気の進行、薬に対する患者の反応を評価するために使用できる患者の動きと歩行速度を監視できる在宅装置を実証しました。。
The device, which is about the size of a Wi-Fi router, gathers data passively using radio signals that reflect off the patient’s body as they move around their home.
wi-fiルーターのサイズのデバイスは、患者が自宅を移動する際に患者の体を反射する無線信号を使用して受動的にデータを収集します。
The patient does not need to wear a gadget or change their behavior.
患者はガジェットを着用したり、行動を変える必要はありません。
(A recent study, for example, showed that this type of device could be used to detect Parkinson’s from a person’s breathing patterns while sleeping.) The researchers used these devices to conduct two studies that involved a total of 50 participants.
（たとえば、最近の研究では、このタイプのデバイスを使用して、睡眠中に人の呼吸パターンからパーキンソン病を検出するために使用できることが示されました。）研究者は、これらのデバイスを使用して、合計50人の参加者を含む2つの研究を実施しました。
They showed that, by using machine-learning algorithms to analyze the troves of data they gathered (more than 200,000 gait speed measurements), a clinician could track Parkinson’s progression more effectively than they would with periodic, in-clinic evaluations.
彼らは、マシンラーニングアルゴリズムを使用して、収集したデータの圧倒を分析することで（200,000を超える歩行速度測定）、臨床医が周期的な臨床的評価よりも効果的にパーキンソン病の進行を追跡できることを示しました。
“By being able to have a device in the home that can monitor a patient and tell the doctor remotely about the progression of the disease, and the patient’s medication response so they can attend to the patient even if the patient can’t come to the clinic — now they have real, reliable information — that actually goes a long way toward improving equity and access,” says senior author Dina Katabi, the Thuan and Nicole Pham Professor in the Department of Electrical Engineering and Computer Science (EECS), and a principle investigator in the Computer Science and Artificial Intelligence Laboratory (CSAIL) and the MIT Jameel Clinic.
「患者を監視し、病気の進行について医師にリモートで医師に伝えることができるデバイスと、患者が患者に来ることができなくても患者に出席できるように、患者の薬の反応について医師に伝えることができるデバイスを持つことができるようにすることでクリニック – 今では、実際の信頼できる情報を持っています – 実際には公平性とアクセスを改善するために大いに役立ちます」と、上級作家のディナ・カタビは言います。コンピューターサイエンスおよび人工知能研究所（CSAIL）およびMITジャミールクリニックの主要な調査員。
The co-lead authors are EECS graduate students Yingcheng Liu and Guo Zhang.
共同リードの著者は、EECSの大学院生であるインチェン・リューとグオ・チャンです。
The research is published in Science Translational Medicine.
この研究は、Science Translational Medicineに掲載されています。
A human radar This work utilizes a wireless device previously developed in the Katabi lab that analyzes radio signals that bounce off people’s bodies.
人間のレーダーこの作業は、以前にカタビラボで開発されたワイヤレスデバイスを利用して、人々の体を跳ね返す無線信号を分析します。
It transmits signals that use a tiny fraction of the power of a Wi-Fi router — these super-low-power signals don’t interfere with other wireless devices in the home.
Wi-Fiルーターのパワーのわずかな部分を使用する信号を送信します。これらの超低電力信号は、自宅の他のワイヤレスデバイスに干渉しません。
While radio signals pass through walls and other solid objects, they are reflected off humans due to the water in our bodies.
無線信号は壁や他の固体物体を通過しますが、私たちの体の水のために人間から反射されます。
This creates a “human radar” that can track the movement of a person in a room.
これにより、部屋の人の動きを追跡できる「人間のレーダー」が作成されます。
Radio waves always travel at the same speed, so the length of time it takes the signals to reflect back to the device indicates how the person is moving.
無線波は常に同じ速度で移動するため、デバイスに反映するために信号がかかる時間の長さは、その人がどのように動いているかを示します。
The device incorporates a machine-learning classifier that can pick out the precise radio signals reflected off the patient even when there are other people moving around the room.
このデバイスには、部屋の周りを動き回っている人がいる場合でも、患者を反射する正確な無線信号を選択できるマシンラーニング分類器が組み込まれています。
Sophisticated algorithms use these movement data to compute gait speed — how fast the person is walking.
洗練されたアルゴリズムは、これらの動きデータを使用して歩行速度を計算します – その人が歩いている速さ。
Because the device operates in the background and runs all day, every day, it can collect a massive amount of data.
デバイスはバックグラウンドで動作し、毎日1日中実行されるため、膨大な量のデータを収集できます。
The researchers wanted to see if they could apply machine learning to these datasets to gain insights about the disease over time.
研究者は、これらのデータセットに機械学習を適用して、時間の経過とともに病気についての洞察を得ることができるかどうかを確認したかったのです。
They gathered 50 participants, 34 of whom had Parkinson’s, and conducted two observational studies of in-home gait measurements.
彼らは50人の参加者を集め、そのうち34人がパーキンソン病を患っており、在宅歩行測定の2つの観察研究を実施しました。
One study lasted two months and the other was conducted over the course of two years.
1つの研究は2か月続き、もう1つの研究は2年間にわたって実施されました。
Through the studies, the researchers collected more than 200,000 individual measurements that they averaged to smooth out variability due to the condition of the device or other factors.
研究を通じて、研究者は、デバイスまたは他の要因の状態により、変動性を滑らかにするために平均して平均した200,000を超える個別の測定値を収集しました。
(For example, the device might accidentally get switched off during cleaning, or a patient may walk more slowly when talking on the phone.) They used statistical methods to analyze the data and found that in-home gait speed can be used to effectively track Parkinson’s progression and severity.
（たとえば、デバイスは掃除中に誤ってオフになる可能性があります。または、患者が電話で話すときにゆっくりと歩くことがあります。）彼らは統計的方法を使用してデータを分析し、家庭内の歩行速度を使用して効果的に追跡できることを発見しましたパーキンソン病の進歩と厳しさ。
For instance, they showed that gait speed declined almost twice as fast for individuals with Parkinson’s, compared to those without.
たとえば、彼らは、パーキンソン病の人と比較して、パーキンソン病の人にとって歩行速度がほぼ2倍速く低下したことを示しました。
“Monitoring the patient continuously as they move around the room enabled us to get really good measurements of their gait speed.
「患者が部屋を動き回るときに継続的に監視することで、歩行速度の本当に良い測定値を得ることができました。
And with so much data, we were able to perform aggregation that allowed us to see very small differences,” Zhang says.
そして、非常に多くのデータがあれば、私たちは非常に小さな違いを見ることができる集計を実行することができました」とZhang氏は言います。
Better, faster results Drilling down on these variabilities offered some key insights.
より良い、より高速な結果がこれらの変動を掘り下げることで、いくつかの重要な洞察が得られました。
For instance, the researchers could see that intraday fluctuations in a patient’s gait speed correspond with how they are responding to their medication — gait speed may improve after a dose and then begin to decline after a period of time.
たとえば、研究者は、患者の歩行速度の内在の変動が薬剤にどのように反応しているかに対応していることを見ることができました。歩行速度は、投与後に改善し、一定期間後に減少し始める可能性があります。
“This really gives us the possibility to objectively measure how your mobility responds to your medication.
「これは、あなたのモビリティがあなたの薬にどのように反応するかを客観的に測定する可能性を本当に与えてくれます。
Previously, this was nearly impossible to do because this medication effect could only be measured by having the patient keep a journal,” Liu says.
以前は、この薬の効果は患者に日記を置くことによってのみ測定できるため、これはほとんど不可能でした」とLiu氏は言います。
A clinician could use these data to adjust medication dosage more effectively and accurately.
臨床医はこれらのデータを使用して、薬剤の投与量をより効果的かつ正確に調整できます。
This is especially important since many drugs used to treat disease symptoms can cause serious side effects if the patient receives too much.
これは特に重要です。なぜなら、病気の症状の治療に使用される多くの薬物は、患者があまりにも多くのことを受け取ると深刻な副作用を引き起こす可能性があるため、特に重要です。
The researchers were able to demonstrate statistically significant results regarding Parkinson’s progression after studying 50 people for just one year; by contrast, an often-cited study by the Michael J.
研究者は、わずか1年間50人を研究した後、パーキンソン病の進行に関する統計的に有意な結果を示すことができました。対照的に、マイケルJによるしばしば引用されている研究
Fox Foundation involved over 500 individuals and monitored them for more than five years, Katabi says.
Fox Foundationは500人以上の個人が関与し、5年以上にわたって監視していた、とKatabiは言います。
“For a drug company or a biotech company trying to develop medicines for this disease, this could greatly reduce the burden and cost and speed up the development of new therapies,” she adds.
「この病気の薬を開発しようとしている製薬会社またはバイオテクノロジー企業にとって、これにより、負担とコストを大幅に削減し、新しい治療法の開発をスピードアップする可能性があります」と彼女は付け加えます。
Katabi credits much of the study’s success to the dedicated team of scientists and clinicians who worked together to tackle the many difficulties that arose along the way.
カタビは、この研究の成功の多くが、途中で生じた多くの困難に取り組むために協力した科学者と臨床医の献身的なチームに称賛されています。
For one, they began the study before the Covid-19 pandemic, so engineers initially entered people’s homes to set up the devices.
1つは、Covid-19パンデミックの前に研究を開始したため、エンジニアは最初にデバイスをセットアップするために人々の家に入りました。
When that was no longer possible, they developed a method to remotely deploy devices and created a user-friendly app for participants and clinicians.
それが不可能になったとき、彼らはデバイスをリモートで展開する方法を開発し、参加者と臨床医のためにユーザーフレンドリーなアプリを作成しました。
Through the course of the study, they learned to automate processes and reduce effort, especially for the participants and clinical team.
研究の過程を通じて、彼らは特に参加者と臨床チームのプロセスを自動化し、努力を減らすことを学びました。
This knowledge will prove useful as they look to deploy devices in at-home studies of other neurological disorders, such as Alzheimer’s, ALS, and Huntington’s.
この知識は、アルツハイマー病、ALS、ハンティントンなどの他の神経障害の在宅研究でデバイスを展開することを検討するため、有用であることが証明されます。
They also want to explore how these methods could be used, in conjunction with other work from the Katabi lab showing that Parkinson’s can be diagnosed by monitoring breathing, to collect a holistic set of markers that could diagnose the disease early and then be used to track and treat it.
また、パーキンソン病を呼吸を監視することで診断できることを示すカタビラボの他の研究と併せて、これらの方法をどのように使用できるかを調査したいと考えています。そしてそれを扱います。
元記事
https://www.sciencedaily.com/releases/2022/09/220921141459.htm
