PCompnion

 

Mobiles Gesundheitssystem zur Unterstützung von Parkinsonpatienten

 

Bevor es bei Parkinsonerkrankten zu Bewegungsstörungen kommt, treten oft bereits Veränderungen bei der Regulation von vegetativen Körperfunktionen und des Schlafs auf. Zum jetzigen Zeitpunkt steht jedoch kein breit verfügbares Screening- und Monitoringsystem zur Verfügung, welches diese Früherkennung leisten kann. Das Projekt schließt eine Lücke im Screening und Monitoring der Parkinsonerkrankung. Dies kommt der Früherkennung, Diagnosesicherheit, Behandlungsqualität und vor allem der Lebensqualität von Parkinsonpatienten zugute.


 

Die Herausforderung

Es wird ein körpernaher Sensor entwickelt, der beispielsweise am Handgelenk getragen werden kann. Die Daten können über eine intuitiv zu bedienende App ausgewertet werden. Dazu werden prädiktive Algorithmen im Sinne eines digitalen Biomarkers entwickelt, welche eine automatische Datenauswertung und ein intelligentes Datenmanagement ermöglichen. Das System wird durch ein telemedizinisches Videomonitoring unterstützt. Um für die Patienten eine bestmögliche Benutzung des späteren Systems zu gewährleisten, wird im Projekt eine Nutzerevaluation durchgeführt, um die Ergonomie, aber auch die Mensch-Maschine-Schnittstelle zu optimieren.  

 

Unsere Leistung

Das Fraunhofer ISST erforscht und entwickelt den digitalen Biomarker zur Prädikation auffälliger neurodegenerativer Parameter. Es werden Methoden aus dem Bereich Machine Learning angewendet, um Unterstützung bei der Verlaufsvorhersage und Früherkennung der Erkrankung bieten zu können. Es werden Daten über Schlaf und Neurovegetativum der Patienten mit mobiler Sensorik (Polysomnographie) gesammelt. Diese werden präprozessiert und auf Muster analysiert, um Risikopatienten zu identifizieren und ein Prädiktionsmodell zu konstruieren, welches Ärzten vorhersagend als Unterstützung bei der Beurteilung von Patienten dienen kann. Im Rahmen des Projekts wird eine Studie durchgeführt, die neben den retrospektiven Daten des Universitätsklinikums Aachen als Datenquelle dienen. Die Schlaf-Daten werden vorverarbeitet, indem die Aktivitäten während der REM-Phase in den Rohsignalen manuell annotiert, gefenstert werden. Merkmale werden generiert und normiert, um mittels Klassifikationsverfahren wie Support-Vector-Machines, k-Nearest-Neighbor und Decision-Trees ein Modell zu trainieren. Zur Validierung wird eine k-fold-Cross-Validation verwendet.  

 

Das Ergebnis

Ziel des Projektes ist es, das erste mobile, patientennahe Screening- und Monitoringsystem zur Frühdiagnostik von Parkinsonerkrankungen zu entwickeln. Im Fokus steht dabei die Früherkennung von Störungen des REM-Schlafes und anderer unterschwelliger Veränderungen von Körperfunktionen, wie verlangsamte Bewegungen oder Haltungsinstabilität.

 

Partner

  • Universitätsklinikum Aachen
  • Fraunhofer ISST, Dortmund
  • SOMNOmedics GmbH, Randersacker
  • MVB Parkinson GmbH, Koblenz
  • Rheinisch-Westfälische Technische Hochschule Aachen

 

Die Förderung

  • Förderer: BMBF
  • Förderkennzeichen: 16SV7857
  • Laufzeit: September 2017 bis August 2020



 

Das Projekt im Netz

http://parkinson-companion.de/