Tokom poslednje decenije došlo je do porasta upotrebe i medicinskih i potrošačkih nosivih uređaja koji mere fiziologiju pojedinca. Mogućnost praćenja sopstvenih aktivnosti i zdravlja dostupnija je nego ikada ranije.
Dok je primena ovih uređaja u biomedicinskim istraživanjima u velikoj meri ograničena na kardiologiju, nova studija pokazuje kako upotreba nosivog elektronskog flastera za grudi u kombinaciji sa napretkom u mašinskom učenju i veštačkoj inteligenciji može pomoći u razvoju novih tretmana za Rettov sindrom, kao i niz drugih zdravstvenih stanja.
Objavljujući u PLOS One, dr Gari Kliford i njegov istraživački tim na Univerzitetu Emori i Institutu za tehnologiju Džordžije koristili su flaster MC10 Biostamp da analiziraju kretanje i srčanu aktivnost ljudi koji žive sa Retovim sindromom.
Retov sindrom je redak genetski neurorazvojni poremećaj koji karakterišu teška oštećenja, koja utiču na sposobnost osobe da normalno govori, hoda, jede i diše. Trenutno ne postoji lek za Rettov sindrom i nedostaje sposobnost da se otkriju objektivni obrasci simptoma i progresije bolesti direktno kod pacijenata.
Tokom perioda studije, nosivi flaster je pratio srčanu aktivnost i kretanje učesnika studije. Podaci prikupljeni tokom neprekidnog perioda od 48 sati su zatim korišćeni za razvoj algoritma mašinskog učenja, koji je identifikovao obrasce u fiziologiji i kretanju koji su specifični za težinu Retovog sindroma. Konkretno, Kliford i njegov tim pronašli su tri specifična obrasca u kretanju i otkucaju srca (i kako su oni uticali jedni na druge) koji su im omogućili da precizno razlikuju osobe sa visokim od onih sa niskim simptomima.
Ovo je rezultiralo sistemom koji ima potencijal da objektivno oceni ozbiljnost simptoma u populaciji na osnovu njihovog kretanja i srčane aktivnosti. Ovi podaci imaju velike implikacije na napore da se poboljšaju terapijske opcije za ljude koji žive sa Retovim sindromom u budućim kliničkim ispitivanjima.
Trenutne opcije za merenje efekta lečenja oslanjaju se na upitnike koje su popunili kliničari ili roditelji. Fiziološka mera izvedena iz aktivnosti srca i pokreta koja odgovara ukupnoj težini pacijenta može biti važan biomarker koji ukazuje da li bi tretman kasnije mogao pomoći kod drugih simptoma, kao što su komunikacija i mobilnost.
„Ovaj algoritam pruža objektivnu metriku koja bi se mogla koristiti za automatsku procenu efekta leka ili druge intervencije na simptome koje pati od Retovog sindroma“, rekao je Kliford. „Uzbuđeni smo što bi ovi biomarkeri potencijalno mogli omogućiti personalizovaniji i efikasniji tretman u ovoj populaciji, a možda i drugima.“
Fond za istraživanje Retovog sindroma (RSRT), vodeća neprofitna organizacija posvećena pronalaženju leka za Rettov sindrom, sponzoriše istraživanje i obezbeđuje dodatna finansijska sredstva Klifordu i njegovom timu kako bi nastavili da potvrđuju rad u većoj populaciji.
„Rezultati ove inicijalne studije premašili su naša očekivanja i jasno pokazuju da su direktne i objektivne mere simptoma pacijenata ne samo moguće, već i dovoljno osetljive da razlikuju ozbiljnost simptoma, čak i kod malog broja pacijenata“, rekla je glavni naučni direktor RSRT-a, Jana von. Hehn, Ph.D. „Ovaj rad ima potencijal da skrati vremenske rokove kliničkih ispitivanja uz osetljiviju procenu efekata lečenja i manje pacijenata. Veoma smo uzbuđeni što ćemo nastaviti ovaj važan rad sa dr Klifordom i njegovim timom stručnjaka.“
Upotreba veštačke inteligencije i mašinskog učenja je stekla povećanu pažnju u kliničkoj nezi poslednjih godina zbog svoje sposobnosti da poboljša dijagnozu i lečenje mnogih bolesti. Ovo je prvi put da je mašinsko učenje primenjeno za osobe sa Retovim sindromom, ali Kliford vidi priliku da primeni ovaj model na druge populacije, kao što su ljudi koji žive sa autizmom.
