ActiveAgeing – DIGI.PARK

DIGI.PARK-prosjektet (Digital Phenotyping in people with Parkinson’s Disease) er en del av ActiveAging-studien, og undersøker hvordan bærbare sensorer kan brukes til å registrere symptomer hos personer med Parkinsons sykdom som bor hjemme.

Parkinsons sykdom påvirker bevegelsene våre og kan føre til skjelvinger, treghet i bevegelse og stivhet. Sykdommen skyldes en nedbrytning av nervebanene ansvarlig for bevegelse, og det finnes ingen mål, som blodprøver eller genetiske tester, for å stille tidlig diagnose. Dette gjør det vanskelig å overvåke sykdommen og dermed symptomene over tid. I dag vurderes alvorlighetsgraden av Parkinsons sykdom ofte gjennom observasjoner av pasientene mens de utfører oppgaver ment til å framkalle symptomer. Det vanligste instrumentet, Unified Parkinson's Disease Rating Scale (UPDRS), er ansett som gullstandarden for kliniske studier. Disse metodene har imidlertid noen begrensninger, som at de ikke er veldig objektive, de har lav dårlig evne til å oppdage endringer sykdomstilstand, og de kan variere mye avhengig av når undersøkelsen blir gjort og når pasienten sist tok medisin.

Målet med DIGI.PARK-prosjektet er å utforske bruk av bærbare sensorer for å gi mer objektive målinger av symptomene.
Studien er delt opp i to faser. I den første fasen testet vi bærbar teknologi for forskning og klinisk arbeid med 15 deltakere som har Parkinsons sykdom og 15 som ikke har det, i det innovative boligmiljøet Helgetun. Vi samlet inn data i to uker ved bruk av en rekke kliniske vurderingsskjema, to smartklokker (Fitbit Sense og Empatica E4) og en smartring (Oura).

I den andre fasen bygger vi videre på resultatene fra den første fasen. Her samler vi inn data fra personer med Parkinsons sykdom og deres ektefeller for å sammenligne hvordan sykdommen påvirker dem. Begge fasene har som mål å utvikle spesifikke digitale biomarkører for Parkinsons sykdom for bedre registrering av symptomer.

Del av en tosidig studie

ActiveAging-studien består av to grener – DIGI. PARK og Helgetun. Helgetun-grenen utforsker hvordan det å leve i et nyskapende bomiljø med sosialt fellesskap kan påvirke livet til eldre voksne, ved hjelp av en kvalitativ tilnærming. Se mer informasjon om Helgetun-grenen på denne siden.

Team

DIGI. PARK er et samarbeid mellom SEFAS og et Forskingssenter for klinisk behandling, Neuro-SysMed. Teamet vårt består av Haakon Reithe, doktorgradsstudent og hovedforsker i prosjektet, Monica Patrascu, systemingeniør, Juan Carlos Torrado Vidal, dataingeniør, Brice Marty, elektroingeniør og nevrologisk forsker, Elise Førsund, doktorgradsstudent i Helgetun-grenen av ActiveAgeing, professor Bettina Husebø, anestesilege og leder av SEFAS, og professor Charalampos Tzoulis, nevrolog og senterleder på Neuro-SysMed. 

Status

Den første fasen av studien startet våren 2021, og all datainnsamling ble gjennomført i 2021 og 2022. Vi har nå fullført en sammenlignende analyse av tre bærbare sensorenheter, og utviklet to digitale biomarkører: én for å kvantifisere skjelvinger og én for å måle responsen på fysisk aktivitet.

PhD-student Haakon Reithe sendte inn den første artikkelen høsten 2024, der vi sammenlignet sensorenheter for Parkinsons-forskning og klinisk bruk. Funnene våre indikerer at smartenheter (smartklokker og ringer) som selges i butikk eller enheter som er beregnet for forskning, alene ikke er optimalt. Enheter beregnet til forskning gir utmerket dataoppløsning og tilgang, mens smartklokker og smart-ringer er brukervennlige både for forskere og deltakere. Vi konkluderer med at for registrering av symptomer er det viktig å få tilgang til rådata fra brukervennlige sensorer til bruk i større forskningsprosjekter som omhandler Parkinsons sykdom. 

Reithe er for tiden i ferd med å fullføre den andre artikkelen. Denne involverer arbeid med å teste en algoritme som måler hvor ofte og intense skjelvingene er i områder fra 3 til 12 Hz. Algoritmen ble utviklet sammen med Monica Patrascu og Brice Marty, og i artikkelen validerer vi algoritmen på deltakere som viser mest skjelvinger på en hånd (ikke begge), ved å undersøke forskjellene mellom den mest skjelvende hånden og den minst skjelvende hånden. Dataene fra algoritmen gir oss en skjelveindeks (TI). Foreløpige resultater indikerer at TI for den mest skjelvende hånden er høyere enn den minst påvirkede hånden. 

I den tredje artikkelen måler vi responsen på medisinering ved bruk av skjelveindeksen, ved å sammenligne beregnet skjelveindeks før og etter medisinering. I denne artikkelen vil vi også inkludere friske kontrolldeltakere, slik at vi kan teste forskjeller mellom hendene til individuelle deltakere, og teste forskjellene mellom deltaker med Parkinsons og deltakere uten. Dette vil gi oss en ide om hvor presis vår indeks er.  

Samfunnsmessig betydning

I prosjektet undersøker vi hvordan teknologi kan hjelpe samfunnet med å møte utfordringene som en stadig aldrende befolkning med Parkinsons sykdom utgjør. Dette gir viktig kunnskap for planlegging av fremtidige helsetjenester, og som også kan overføres til andre sykdommer som har lignende symptombilde som Parkinsons, for eksempel ufrivillig skjelving og annen motorisk dysfunksjon.

Se gjerne også tidligere artikkel fra oppstart av prosjektet.