Teknologi yang dapat dikenakan, AI, dan tim klinis bergabung untuk mengubah tampilan pemantauan uji coba

Sensor pasien dimasukkan ke dalam teknologi penangkapan gerak. Kredit: Thomas Angus/Imperial College London

Tim peneliti multidisiplin telah mengembangkan cara untuk memantau perkembangan gangguan gerakan menggunakan teknologi penangkapan gerak dan AI.

Dalam dua studi terobosan, yang diterbitkan di Nature Medicine, tim lintas disiplin AI dan peneliti klinis telah menunjukkan bahwa dengan menggabungkan data gerakan manusia yang dikumpulkan dari teknologi yang dapat dikenakan dengan teknologi AI medis baru yang kuat, mereka dapat mengidentifikasi pola gerakan yang jelas, memprediksi perkembangan penyakit di masa depan dan secara signifikan meningkatkan efisiensi uji klinis pada dua kelainan langka yang sangat berbeda, distrofi otot Duchenne (DMD) dan ataksia Friedreich (FA).

DMD dan FA adalah penyakit genetik langka, degeneratif, yang memengaruhi gerakan dan akhirnya menyebabkan kelumpuhan. Saat ini tidak ada obat untuk kedua penyakit tersebut, namun para peneliti berharap hasil ini secara signifikan akan mempercepat pencarian pengobatan baru.

Melacak perkembangan FA dan DMD biasanya dilakukan melalui pengujian intensif dalam pengaturan klinis. Makalah ini menawarkan penilaian yang jauh lebih tepat yang juga meningkatkan akurasi dan objektivitas data yang dikumpulkan.

Para peneliti memperkirakan bahwa dengan menggunakan penanda penyakit ini berarti bahwa secara signifikan lebih sedikit pasien yang diperlukan untuk mengembangkan obat baru bila dibandingkan dengan metode saat ini. Ini sangat penting untuk penyakit langka di mana sulit untuk mengidentifikasi pasien yang cocok.

Para ilmuwan berharap bahwa selain menggunakan teknologi untuk memantau pasien dalam uji klinis, suatu hari nanti juga dapat digunakan untuk memantau atau mendiagnosis berbagai penyakit umum yang memengaruhi perilaku gerakan seperti demensia, stroke, dan kondisi ortopedi.

Penulis senior dan korespondensi kedua makalah, Profesor Aldo Faisal, dari Departemen Bioengineering dan Komputasi Imperial College London, yang juga Direktur Pusat Pelatihan Doktor UKRI dalam AI untuk Perawatan Kesehatan, dan Ketua Kesehatan Digital di Universitas Bayreuth ( Jerman), dan pemegang UKRI Turing AI Fellowship, mengatakan, “Pendekatan kami mengumpulkan sejumlah besar data dari pergerakan seluruh tubuh seseorang—lebih dari ketepatan atau waktu yang dimiliki oleh ahli saraf mana pun untuk mengamati pasien. Teknologi AI kami membangun sebuah kembar digital pasien dan memungkinkan kami untuk membuat prediksi yang tepat dan belum pernah terjadi sebelumnya tentang bagaimana penyakit masing-masing pasien akan berkembang. Kami percaya bahwa teknologi AI yang sama bekerja pada dua penyakit yang sangat berbeda, menunjukkan betapa menjanjikannya penerapannya pada banyak penyakit dan membantu kami untuk mengembangkan pengobatan untuk lebih banyak penyakit dengan lebih cepat, lebih murah, dan lebih tepat.”

Kedua makalah tersebut menyoroti karya kolaborasi besar para peneliti dan keahlian, lintas teknologi AI, teknik, genetika, dan spesialisasi klinis. Ini termasuk peneliti di Imperial, UKRI Center in AI for Healthcare, MRC London Institute of Medical Sciences (MRC LMS), UCL Great Ormond Street Institute for Child Health (UCL GOS ICH), NIHR Great Ormond Street Hospital Biomedical Research Center ( NIHR GOSH BRC), Ataxia Center di UCL Queen Square Institute of Neurology, Rumah Sakit Great Ormond Street, Rumah Sakit Nasional untuk Neurologi dan Bedah Saraf (UCLH dan UCL/UCL BRC), Universitas Bayreuth, Rumah Sakit Gemelli di Roma, Italia, dan Fasilitas Penelitian NIHR Imperial College.

Dr Balasundaram Kadirvelu berbicara dengan Luchen Li yang menjadi model setelan tersebut. Kredit: Thomas Angus/Imperial College London

Sidik jari gerakan—percobaan secara mendetail

Rekan penulis kedua studi Profesor Richard Festenstein, dari MRC London Institute of Medical Sciences dan Department of Brain Sciences di Imperial mengatakan, “Pasien dan keluarga sering ingin tahu bagaimana perkembangan penyakit mereka, dan teknologi penangkapan gerak yang dikombinasikan dengan AI dapat membantu untuk memberikan informasi ini. Kami berharap penelitian ini memiliki potensi untuk mengubah uji klinis pada gangguan gerakan langka, serta meningkatkan diagnosis dan pemantauan pasien di atas tingkat kinerja manusia.”

Dalam studi yang berfokus pada DMD, para peneliti dan dokter di Imperial, Rumah Sakit Great Ormond Street, dan University College London menguji setelan sensor yang dikenakan tubuh pada 21 anak dengan DMD dan 17 kontrol sehat yang sesuai usia. Anak-anak memakai sensor saat melakukan penilaian klinis standar (seperti tes berjalan 6 menit) serta melakukan aktivitas sehari-hari seperti makan siang atau bermain.

Dalam studi FA, tim di Imperial, Ataxia Center, UCL Queen Square Institute of Neurology dan MRC London Institute of Medical Sciences bekerja dengan pasien untuk mengidentifikasi pola gerakan utama dan memprediksi penanda genetik penyakit. FA adalah ataksia bawaan yang paling umum dan disebabkan oleh pengulangan triplet DNA yang luar biasa besar, yang mematikan gen FA. Dengan menggunakan teknologi AI baru ini, tim dapat menggunakan data pergerakan untuk secara akurat memprediksi ‘pematian’ gen FA, mengukur seberapa aktifnya tanpa perlu mengambil sampel biologis dari pasien.

Tim dapat mengelola skala penilaian untuk menentukan tingkat kecacatan ataksia SARA dan penilaian fungsional seperti berjalan, gerakan tangan / lengan (SCAFI) pada 9 pasien FA dan kontrol yang cocok. Hasil penilaian klinis yang telah divalidasi ini kemudian dibandingkan dengan yang diperoleh dari penggunaan teknologi baru pada pasien dan kontrol yang sama. Yang terakhir menunjukkan lebih banyak sensitivitas dalam memprediksi perkembangan penyakit.

Dalam kedua studi tersebut, semua data dari sensor dikumpulkan dan dimasukkan ke dalam teknologi AI untuk membuat avatar individu dan menganalisis gerakan. Kumpulan data yang luas dan alat komputasi yang kuat ini memungkinkan peneliti untuk menentukan sidik jari gerakan utama yang terlihat pada anak-anak dengan DMD serta orang dewasa dengan FA, yang berbeda pada kelompok kontrol. Banyak dari pola gerakan berbasis AI ini belum pernah dijelaskan secara klinis sebelumnya baik di DMD atau FA.

Para ilmuwan juga menemukan bahwa teknik AI yang baru juga dapat secara signifikan meningkatkan prediksi tentang bagaimana penyakit masing-masing pasien akan berkembang selama enam bulan dibandingkan dengan penilaian standar emas saat ini. Prediksi yang tepat memungkinkan untuk menjalankan uji klinis lebih efisien sehingga pasien dapat mengakses terapi baru lebih cepat, dan juga membantu dosis obat lebih tepat.

Jumlah yang lebih kecil untuk uji klinis di masa depan

Cara baru menganalisis pengukuran gerakan seluruh tubuh ini memberi tim klinis penanda penyakit yang jelas dan prediksi perkembangan. Ini adalah alat yang sangat berharga selama uji klinis untuk mengukur manfaat pengobatan baru.

Teknologi baru ini dapat membantu para peneliti melakukan uji klinis terhadap kondisi yang memengaruhi pergerakan dengan lebih cepat dan akurat. Dalam studi DMD, para peneliti menunjukkan bahwa teknologi baru ini dapat mengurangi jumlah anak yang diperlukan untuk mendeteksi jika pengobatan baru akan berhasil hingga seperempat dari yang diperlukan dengan metode saat ini.

Demikian pula, dalam studi FA, para peneliti menunjukkan bahwa mereka dapat mencapai ketepatan yang sama dengan 10 pasien, bukan lebih dari 160. Teknologi AI ini sangat kuat saat mempelajari penyakit langka, saat populasi pasien lebih kecil. Selain itu, teknologi memungkinkan untuk mempelajari pasien di seluruh kejadian penyakit yang mengubah hidup seperti kehilangan ambulasi sedangkan uji klinis saat ini menargetkan kohort pasien ambulan atau non-ambulans.

Rekan penulis pada kedua studi Profesor Thomas Voit, Direktur NIHR Great Ormond Street Biomedical Research Center (NIHR GOSH BRC) dan Profesor Ilmu Saraf Perkembangan di UCL GOS ICH, mengatakan, “Studi ini menunjukkan bagaimana teknologi inovatif dapat secara signifikan meningkatkan cara kita mempelajari penyakit sehari-hari. Dampak dari hal ini, di samping pengetahuan klinis khusus, tidak hanya akan meningkatkan efisiensi uji klinis tetapi juga memiliki potensi untuk menerjemahkan berbagai macam kondisi yang berdampak pada pergerakan. Hal ini berkat kolaborasi lintas penelitian institut, rumah sakit, spesialisasi klinis dan dengan pasien dan keluarga yang berdedikasi kita dapat mulai memecahkan masalah menantang yang dihadapi penelitian penyakit langka.”

Penulis bersama pertama pada kedua studi, Dr. Balasundaram Kadirvelu, peneliti pasca-doktoral di Departemen Komputasi dan Bioteknologi Imperial, mengatakan, “Kami terkejut melihat bagaimana algoritme AI kami dapat menemukan beberapa cara baru untuk menganalisis gerakan manusia. Kami menyebutnya mereka ‘perilaku sidik jari’ karena seperti sidik jari tangan Anda memungkinkan kami untuk mengidentifikasi seseorang, sidik jari digital ini mencirikan penyakit secara tepat, tidak peduli apakah pasien berada di kursi roda atau berjalan, di klinik melakukan penilaian atau makan siang di kafe .”

Penulis pertama bersama pada studi DMD dan rekan penulis pada studi FA, Dr. Valeria Ricotti, dosen klinis kehormatan di UCL GOS ICH mengatakan, “Meneliti kondisi langka dapat jauh lebih mahal dan menantang secara logistik, yang berarti bahwa pasien hilang keluar pada perawatan baru yang potensial. Meningkatkan efisiensi uji klinis memberi kami harapan bahwa kami dapat menguji lebih banyak perawatan dengan sukses.”

Rekan penulis Profesor Paola Giunti, Kepala Pusat Ataxia UCL, Institut Neurologi Queen Square, dan Konsultan Kehormatan di Rumah Sakit Nasional untuk Neurologi dan Bedah Saraf, UCLH, berkata, “Kami sangat senang dengan hasil proyek ini yang menunjukkan bagaimana pendekatan AI tentu unggul dalam menangkap perkembangan penyakit pada penyakit langka seperti ataksia Friedreich. Dengan pendekatan baru ini kita dapat merevolusi desain uji klinis untuk obat baru dan memantau efek obat yang sudah ada dengan akurasi yang tidak diketahui dengan metode sebelumnya.”

“Sejumlah besar pasien FA yang dicirikan dengan sangat baik baik secara klinis maupun genetik di Ataxia Center UCL Queen Square Institute of Neurology selain masukan penting kami pada protokol klinis telah memungkinkan proyek ini. Kami juga berterima kasih kepada semua pasien kami yang berpartisipasi dalam proyek ini.”

Informasi lebih lanjut: Valeria Ricotti et al, Pelacakan gerak seluruh tubuh yang dapat dipakai dari aktivitas kehidupan sehari-hari memprediksi lintasan penyakit pada distrofi otot Duchenne, Pengobatan Alam (2023). DOI: 10.1038/s41591-022-02045-1

Balasundaram Kadirvelu et al, Setelan penangkapan gerak yang dapat dikenakan dan pembelajaran mesin memprediksi perkembangan penyakit pada ataksia Friedreich, Pengobatan Alam (2023). DOI: 10.1038/s41591-022-02159-6

Disediakan oleh Imperial College London

Kutipan: Tim teknologi, AI, dan klinis yang dapat dikenakan bergabung untuk mengubah wajah pemantauan uji coba (2023, 22 Januari) diambil 22 Januari 2023 dari https://medicalxpress.com/news/2023-01-wearable-tech-ai-clinical- tim.html

Dokumen ini tunduk pada hak cipta. Terlepas dari kesepakatan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.