Smartphone-ul ca instrument digital pentru identificarea precoce a deficitului dopaminergic în boala Parkinson

Un studiu realizat la Oxford Parkinson’s Disease Centre și publicat în NPJ Digital Medicine a analizat utilizarea datelor de mișcare colectate prin smartphone, combinate cu scoruri clinice standardizate, pentru a prezice pierderea dopaminei la persoanele aflate în stadii prodromale sau în boala Parkinson. Cercetarea arată că această abordare digitală poate oferi o metodă accesibilă și fără radiații pentru trierea timpurie a pacienților cu risc de deficit dopaminergic.
Boala Parkinson este o afecțiune neurodegenerativă caracterizată de pierderea neuronilor dopaminergici din calea nigrostriată, regiune implicată în coordonarea mișcărilor voluntare. Diagnosticarea deficitului de dopamină se realizează frecvent prin SPECT cu transportorul de dopamină (DaT-SPECT), o metodă costisitoare, iradiantă și limitată ca accesibilitate.

Scăderea captării DaT determinată prin SPECT este sintetizată în raportul de legare al striatumului (SBR), un indicator al nivelului de integritate dopaminergică în nucleul caudat și putamen. Un SBR redus reflectă o pierdere neuronală avansată și se corelează cu severitatea simptomelor motorii evaluate prin MDS-UPDRS-III.

Diagnosticul formelor prodromale este crucial, în special la pacienții cu tulburare de comportament în somnul REM izolată (iRBD), unde riscul anual de conversie către boala Parkinson sau demența cu corpi Lewy este de aproximativ 6%. Peste 60% dintre acești pacienți prezintă deja semne timpurii de deficit dopaminergic, dintre care 30% evoluează către sinucleinopatie clinică în decurs de trei ani.

În acest context, instrumentele digitale cu evaluare motorie automatizată au devenit din ce în ce mai utilizate. Aplicația OPDC, un protocol de opt minute pe smartphone, a demonstrat anterior capacitatea de a discrimina între persoane sănătoase, pacienți cu iRBD și pacienți cu Parkinson, prezicând totodată scorurile motorii. Studiul actual a explorat dacă modelele de învățare automată pot utiliza aceste date pentru a prezice statusul DaT și valorile SBR.

Despre studiu

Cohorta și metodologia

Studiul a inclus 93 participanți (cu iRBD, cu Parkinson sau fără afecțiuni neurologice), pentru care erau disponibile atât evaluări smartphone, cât și scanări DaT-SPECT efectuate în interval de un an. În total, au fost analizate 100 de scanări DaT.

Abordarea principală a implicat:

• colectarea repetată, de înaltă frecvență, a datelor de mișcare prin smartphone,
• extragerea caracteristicilor motorii multidimensionale,
• antrenarea unor modele de tip XGBoost și regresie logistică,
• compararea predicțiilor bazate pe smartphone cu predicțiile obținute din MDS-UPDRS-III sau din combinația celor două surse.

Evaluarea modelelor și acuratețea predicțiilor

Modelele au fost concepute pentru a îndeplini două obiective principale:

• clasificarea corectă a scanărilor DaT pozitive sau negative,
• predicția valorilor SBR în nucleul caudat și putamen.

Performanța modelelor

Rezultatele au arătat:

• Modelul XGBoost bazat exclusiv pe date smartphone a obținut o arie de sub curbă de 0,80.
• Combinația dintre datele smartphone și scorurile MDS-UPDRS-III a crescut performanța la aria de sub curbă 0,82.
• Modelul de regresie logistică cu MDS-UPDRS-III a avut o performanță superioară: aria de sub curbă 0,83.
• Combinația MDS-UPDRS-III + smartphone în regresie logistică a fost cea mai performantă (aria de sub curbă 0,85).
• Modelele de regresie pentru SBR au avut o acuratețe moderată (RMSE 0,49, R² 0,56), cele mai predictive caracteristici fiind mersul, dexteritatea manuală și tremorul.

Un aspect esențial este faptul că datele smartphone surprind microfluctuații ale mișcării care pot scăpa examinării clinice tradiționale, permițând identificarea tremorului subclinic sau a anomaliilor subtile ale mersului.

Interpretarea rezultatelor

Ambele modele – smartphone și MDS-UPDRS-III – au fost comparabile în capacitatea de a discrimina statusul DaT, însă scorul clinic a funcționat mai bine în modelele simple de regresie, iar integrarea datelor digitale a adus un câștig incremental. Această complementaritate arată că:

• evaluările digitale adaugă valoare prin rezoluția înaltă a datelor,
• alegerea modelului trebuie adaptată nivelului de complexitate al datelor,
• combinația dintre motorica digitală și scorurile clinice îmbunătățește predicțiile asupra deficitului dopaminergic.

În schimb, când analiza s-a limitat la cazuri ușoare de Parkinson, performanța modelelor a scăzut, sugerând că evaluările motorii sunt mai puțin fiabile în stadiile foarte precoce, unde semnele sunt subtile.

Rezultate

Principalele concluzii ale studiului sunt:

• Predicția statusului DaT prin smartphone este fezabilă și atinge performanțe similare cu scorurile clinice motorii.
• Combinarea datelor digitale cu scorurile MDS-UPDRS-III crește acuratețea până la o arie de sub curbă de 0,85.
• Estimarea SBR este posibilă, deși cu o acuratețe moderată, cele mai informative caracteristici fiind mersul, tremorul și dexteritatea.
• Smartphone-ul detectează semne motorii subclinice care pot scăpa examinării clinice standard.
• Modelele sunt mai puțin performante în bolile foarte ușoare, sugerând nevoia de evaluări multimodale pentru stadiile prodromale.
• Integrarea clinic + digital poate oferi o metodă neiradiantă, accesibilă și scalabilă pentru pre-screeningul pacienților care necesită evaluare DaT.