用于非侵入性检测α-synuclein聚合或多巴胺缺乏症的可穿戴设备衍生风险评分
Ann-Kathrin Schalkamp1, Kathryn J Peall2, Neil A Harrison3
1Division of Psychological Medicine and Clinical Neuroscience, School of Medicine, Cardiff University, Cardiff, United Kingdom; UK Dementia Research Institute, Cardiff University, Cardiff, United Kingdom; Department of Brain Sciences, Faculty of Medicine, Imperial College London, London, United Kingdom; Bakar Computational Health Sciences Institute, University of California San Francisco, USA.
EBioMedicine
|June 6, 2025
概括
智能手表数据可以早期识别帕金森病 (PD). 数字风险评分显示为PD病理学的敏感查工具,与已建立的标志物相关联.
科学领域:
- 数字健康数字健康
- 生物标志物 生物标志物
- 神经退行性疾病的神经退行性疾病
背景情况:
- 智能手表数据显示了早期发现帕金森病 (PD) 的潜力.
- 目前的金标准PD标志物 (DaTscan,SAA) 是侵入性的和昂贵的.
- 数字监测为PD评估提供了一个非侵入性的替代方案.
研究的目的:
- 评估从智能手表数据获得的数字风险评分,与已建立的PD生物标志物对比.
- 评估数字风险评分在识别前性PD标志物的有用性.
主要方法:
- 将临床数据 (PPMI队列) 与智能手表数据 (Verily Study Watch) 结合起来.
- 开发了一个数字风险评分,使用睡眠,生命体征和身体活动.
- 在风险队列中,将数字风险评分与运动障碍学会 (MDS) 标准和生物标志物 (DaTscan,SAA) 相比较.
主要成果:
- 数字风险得分与MDS标准,下值帕金森症和低血压相关.
- 数字风险与DaTscan结合的相关性比MDS标准更强.
- 数字风险评分实现了比MDS标准更高的灵敏度来检测同核蛋白病变/神经退行症.
结论:
- 智能手表的数字风险评分需要进一步调查,作为PD的初始查工具.
- 这种数字方法可以帮助识别具有α-synuclein聚合或多巴胺缺乏症的个体.
- 建议进行进一步测试以完善准确性并减少错误阳性.
