把诊所带回家:一个在家的多模式数据收集生态系统,以支持自适应性深度大脑刺激

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 数字健康数字健康

背景情况:

• 适应性深度大脑刺激 (aDBS) 为帕金森病 (PD) 等神经系统疾病提供了个性化治疗.
• 目前的aDBS参数调整是手动的,耗时的,缺乏长期的,现实世界的结果数据.
• 由于需要高效的配置和远程结果评估,aDBS治疗的扩展受到阻碍.

研究的目的:

• 介绍一个开源的,家用数据收集平台,用于自动自适应深度大脑刺激 (aDBS) 参数配置.
• 为了能够远程监测aDBS治疗结果,并促进大规模实施.
• 为了解决优化aDBS算法和在临床环境之外评估长期有效性的挑战.

主要方法:

• 在家中开发一个集成的硬件和软件生态系统,用于同步,多模式的数据收集 (神经,惯性,视频).
• 实施数据隐私措施,包括加密和虚拟私人网络传输.
• 数据流的时间调整和从视频记录中提取姿势估计以进行分析.

主要成果:

• 在一个患有PD的个人家中成功部署该平台超过1.5年.
• 在各种活动和刺激条件下收集同步的多模式数据.
• 通过在家收集数据来证明平台的治疗评估能力.

结论:

• 开发的平台支持自动化aDBS研究,通过实现同步,在家收集数据.
• 该系统有助于创建新的数据集,用于研究长期DBS治疗效果.
• 该架构为神经系统疾病的可扩展,个性化的aDBS疗法提供了基础.