Новое исследование показывает, как машинное обучение может улучшить уход за людьми с синдромом Ретта

Jan 19, 2024

1 марта 2023 г.

За последнее десятилетие произошел всплеск использования носимых устройств как медицинского, так и потребительского уровня, которые измеряют физиологию человека. Возможность следить за собственной деятельностью и здоровьем стала более доступной, чем когда-либо прежде. Хотя применение этих устройств в биомедицинских исследованиях в основном ограничивалось кардиологией, новое исследование демонстрирует, как использование носимого электронного нагрудного пластыря в сочетании с достижениями в области машинного обучения и искусственного интеллекта может помочь в разработке новых методов лечения синдрома Ретта. а также ряд других заболеваний.

Опубликовано в PLOS One. Гари Клиффорд, доктор философии, и его исследовательская группа из Университета Эмори и Технологического института Джорджии использовали пластырь MC10 Biostamp для анализа движений и сердечной деятельности людей, живущих с синдромом Ретта.

Синдром Ретта — редкое генетическое нарушение развития нервной системы, характеризующееся тяжелыми нарушениями, влияющими на способность человека нормально говорить, ходить, есть и дышать. В настоящее время не существует лечения синдрома Ретта, а также отсутствует способность выявлять объективные закономерности симптомов и прогрессирование заболевания непосредственно у пациентов.

В течение периода исследования носимый пластырь контролировал сердечную деятельность и движение участников исследования. Данные, собранные в течение непрерывного 48-часового периода, затем были использованы для разработки алгоритма машинного обучения, который выявлял закономерности в физиологии и движении, характерные для тяжести синдрома Ретта. В частности, Клиффорд и его команда обнаружили три конкретных закономерности в движении и частоте сердечных сокращений (и то, как они влияют друг на друга), которые позволили им точно дифференцировать людей с высокой и низкой выраженностью симптомов.

В результате появилась система, способная объективно оценивать тяжесть симптомов среди населения на основе их движений и сердечной активности. Эти данные имеют большое значение для усилий по улучшению терапевтических возможностей для людей, живущих с синдромом Ретта, в будущих клинических исследованиях.

Современные варианты измерения эффекта лечения основаны на анкетах, заполненных врачом или родителями. Физиологический показатель, полученный на основе сердечной и двигательной активности, который соответствует общей тяжести состояния пациента, может быть важным биомаркером, указывающим, может ли лечение помочь в дальнейшем с другими симптомами, такими как общение и подвижность.

«Этот алгоритм обеспечивает объективную метрику, которую можно использовать для автоматической оценки влияния лекарства или другого вмешательства на симптомы, испытываемые человеком, страдающим синдромом Ретта», — говорит Клиффорд. «Мы воодушевлены тем, что эти биомаркеры потенциально могут позволить обеспечить более персонализированное и эффективное лечение этой группы населения и, возможно, других».

Фонд исследования синдрома Ретта (RSRT), ведущая некоммерческая организация, занимающаяся поиском лекарства от синдрома Ретта, спонсирует исследование и предоставляет дополнительное финансирование Клиффорду и его команде для продолжения проверки работы на более широкой популяции.

«Результаты этого первоначального исследования превзошли наши ожидания и ясно демонстрируют, что прямое и объективное измерение симптомов пациентов не только возможно, но и достаточно чувствительно, чтобы определить тяжесть симптомов даже у небольшого числа пациентов», — говорит главный научный сотрудник RSRT Яна фон Хен, доктор философии. «Эта работа потенциально может сократить сроки клинических испытаний за счет более точной оценки эффектов лечения и меньшего количества пациентов. Мы очень рады продолжить эту важную работу с доктором Клиффордом и его командой экспертов».

В последние годы использование искусственного интеллекта и машинного обучения привлекло повышенное внимание в клинической практике благодаря их способности улучшить диагностику и лечение многих заболеваний. Впервые машинное обучение применяется к людям с синдромом Ретта, но Клиффорд видит возможность применить эту модель к другим группам населения, например, к людям, живущим с аутизмом.