PL245730B1 - Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego - Google Patents
Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego Download PDFInfo
- Publication number
- PL245730B1 PL245730B1 PL433391A PL43339120A PL245730B1 PL 245730 B1 PL245730 B1 PL 245730B1 PL 433391 A PL433391 A PL 433391A PL 43339120 A PL43339120 A PL 43339120A PL 245730 B1 PL245730 B1 PL 245730B1
- Authority
- PL
- Poland
- Prior art keywords
- data
- disease
- test
- scope
- cholinergic system
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/1103—Detecting muscular movement of the eye, e.g. eyelid movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Neurology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Data Mining & Analysis (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Social Psychology (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Ophthalmology & Optometry (AREA)
- Dentistry (AREA)
Abstract
Przedmiotem zgłoszenia jest test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego, zwłaszcza dla chorób neurodegeneracyjnych, do których należy choroba Parkinsona (ang. Parkinson's disease), obejmujący porównanie dostarczonych danych w zakresie odruchów źrenicznych na światło ze znanymi prawidłowymi odruchami w tym samym zakresie, charakteryzuje się tym, że dostarczone dane zawierają dane w zakresie odruchów źrenicznych na światło które obejmują co najmniej jedną próbkę zawierającą co najmniej jeden dostarczony parametr zmierzony przez znane urządzenie do mierzenia odruchów źrenicznych na światło, oraz dane w zakresie co najmniej jednej cechy pacjenta na którym dokonano pomiaru. Prawdopodobieństwo wystąpienia choroby ocenia się przy użyciu algorytmów uczenia maszynowego w którego skład wchodzi co najmniej jeden algorytm sieci neuronowej (SSN) i/lub co najmniej jedna funkcja matematyczna niebędąca częścią sieci neuronowej (SSN).
Description
Opis wynalazku
Przedmiotem wynalazku jest test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego, dającymi się monitorować przez odruchy źreniczne, zwłaszcza u pacjentów z chorobą Parkinsona (ang. Parkinson’s disease, PD), chorobą Alzheimera (ang. Alzheimer’s disease, AD), chorobą Huntingtona (ang. Huntington disease) i innymi chorobami neurodegeneracyjnymi, w których występują pośrednie bądź bezpośrednie zaburzenia układu cholinergicznego. Testem objęte mogą zostać również takie jednostki chorobowe jak Spektrum Autyzmu (ang. Autism Spectrum Disorder, ASD), Alkoholizm (ang. Alcohol use disorder, AUD) czy Schizofrenia (ang. Schizophrenia) i inne mogące generować patologie w obrębie układu cholinergicznego jednostki chorobowe.
Choroba Parkinsona (ang. Parkinson disease, PD) jest chorobą neurodegeneracyjną. Częstość występowania choroby waha się od 41 osób na 100 000 w czwartej dekadzie życia do ponad 1900 osób na 100 000 osób w wieku 80 lat i starszych. Szacuje się, że w samych Stanach Zjednoczonych koszty choroby Parkinsona, w zakresie leczenia, składek na ubezpieczenia społeczne i utracone dochody, to blisko 25 miliardów dolarów rocznie. Koszt samych leków na jedną osobę, jest szacowany na około 2500 USD, gdzie koszty pojedynczych operacji mogą sięgać nawet 100.000 USD.
Choroba Parkinsona jest zespołem hiperkinetycznym (mimowolny i nadmierny ruch) charakteryzującym się drżeniem mięśniowym, sztywnością mięśni, akinezją (trudnościami z zapoczątkowaniem ruchu) i bradykinezją (spowolnieniem ruchu). Najczęstsza odmiana PD (ang. Parkinson disease) jest w głównej mierze samoistna (To znaczy, że jej ekspresja jest nie sygnalizowana i nie są jasne jej przyczyny). Rzadkie odmiany choroby Parkinsona mogą być dziedziczone genetycznie. Odnotowuje się również przypadki nabytej choroby Parkinsona wynikające z uszkodzenia mechanicznego mózgu (śródmózgowia), bądź poprzez wchłanianie toksyn występujących w środowisku (np. Pirydyna). Wspomniane wyżej zaburzenia motoryczne spowodowane są śmiercią komórek w obrębie części zbitej istoty czarnej (Substantia Nigra pars compacta, SNpc) znajdującej się w śródmózgowiu.
U ludzi zdrowych liczba neuronów w istocie czarnej (śródmózgowie) maleje wraz z wiekiem z prędkością około 5% na 10 lat. Utrata około 50% komórek (związana z 70-80% zmniejszeniem poziomu dopaminy w prążkowiu) uznawana jest za początek objawów choroby Parkinsona, a więc naturalny ubytek tych neuronów może być przyczyną tylko bardzo późno rozwijającej się choroby. Badania za pomocą PET wykazały, że w chorobie Parkinsona prędkość zaniku komórek gwałtownie wzrasta (do 12% na rok). Wynika stąd, że zmiany wywołujące chorobę Parkinsona zaczynają się około 5 lat przed pojawieniem się pierwszych objawów.
Nie istnieje obecnie obiektywny test (taki jak badanie krwi lub EEG), umożliwiający dokonanie ostatecznej diagnozy choroby Parkinsona. Zamiast tego lekarz bierze dokładną historię medyczną i przeprowadza dokładne badanie neurologiczne, szukając w szczególności dwóch lub więcej znaków kardynalnych (charakterystycznych dla danej jednostki chorobowej). Często lekarz szuka odpowiedzi na leki, na chorobę Parkinsona jako kolejny dowód na prawidłową diagnozę tej choroby. (Jednak rozpoczęcie leczenia od razu może ograniczyć zdolność do uczestniczenia w badaniach klinicznych, które pilnie potrzebują nowo zdiagnozowani pacjenci z chorobą Parkinsona). W 2011 r. Food and Drug Administration (FDA) zatwierdziła specjalistyczną technikę obrazowania zwaną DaTscan, która pozwala lekarzom na uchwycenie szczegółowych zdjęć układu dopaminowego w mózgu. Jest to pierwsza zatwierdzona przez FDA technika obrazowania diagnostycznego do oceny zaburzeń ruchu, takich jak te występujące w chorobie Parkinsona. Sam DaTscan nie może zdiagnozować choroby Parkinsona, ale może potwierdzić diagnozę kliniczną lekarza - coś, co nigdy wcześniej nie było możliwe. Około 26% postawionych przez lekarzy diagnoz dotyczących choroby Parkinsona okazuje się być nieprawdziwa. Spośród fałszywie zdiagnozowanych, 48 procent leczono z powodu nieistniejącej choroby, 36 procent otrzymało na nią leki, 6 procent poddano operacjom, a kolejne 6 procent otrzymało zarówno leki jak i operacje. Biorąc pod uwagę brak obiektywnego testu diagnostycznego dla choroby Parkinsona, a także niską skuteczność wykrywania jej we wczesnym stadium, konieczne jest opracowanie metod wykrywania choroby Parkinsona przed pojawieniem się objawów kardynalnych z większa skutecznością niż 74%. Istnieje ustalony zbiór dowodów wskazujących, że niedoczynność cholinergiczna jest istotnym składnikiem chorób neurodegeneracyjnych, między innymi takich jak choroby Alzheimera bądź Parkinsona, które wynikają odpowiednio z niedoboru acetylocholiny (ACh) i dopaminy. Co więcej, większość badań, w których analizowano zależne od ACh parametry PLR, ujawniły istotne różnice między zdrowymi pacjentami dobranymi pod względem wieku, a tymi z chorobą Alzheimera lub chorobą Parkinsona.
W kilku badaniach porównując parametry pupillometryczne pomiędzy pacjentami z chorobą Parkinsona a osobami z grupy kontrolnej, stwierdzono różnice w latencji (T1), amplitudzie (AMP), maksymalnej prędkości (Vmax) i maksymalnym przyspieszeniu (ACmax). Nie było jednak różnicy wśród osób zdrowych a osób z chorobą Parkinsona, pomiędzy początkowym promieniem (RT) i minimalnym promieniem (R2) źrenicy. Co ciekawe dużym wyzwaniem jest interpretacja danych odruchów źrenicznych na światło. Istnieje wiele czynników mających mniejszy bądź większy wpływ na wartości wyników parametrów mierzonych podczas badania odruchu źrenicznego na światło. Do takich czynników zaliczamy: płeć, wiek, pochodzenie etniczne, informacje kliniczne, specyfika genetyczna (ang. Genetic characteristics, kolor oczu, sprzęt mierzący parametry, poziom adaptacje z którego rozpoczynamy badanie, paradygmat stymulantu, detale kalibracyjne sprzętu mierzącego, rodzaj kamery zbierającej dane, rozdzielczość czasowa (ang. Temporal resolution), rozdzielczość przestrzenna (ang. spatial resolution) i tym podobne). Co pokazuje jak ogromnym wyzwaniem jest normalizacja wszystkich parametrów podczas pracy nad metodą diagnostyczną bazującą na tym odruchu.
W dokumencie US 10,034,605 B2, ujawniono układy, urządzenia i sposoby, które można wykorzystać do wykrywania i określania zakresu urazu mózgu, upośledzenia umysłowego, niepełnosprawności fizycznej lub innej dysfunkcji mózgu poprzez śledzenie odruchów źrenicznych na światło, przy czym reakcja źrenicy pacjenta bez uszkodzeń może być określana jako „normalna”, natomiast gdy pacjent cierpi na uraz mózgu, źrenica pacjenta może nie zwężać się lub rozszerzać przy przewidywanych szybkościach i trybach zwężania lub rozszerzania w odpowiedzi na ilość światła padającego na źrenicę, lub może zwężać się lub rozszerzać w nieprawidłowych trybach lub szybkościach.
Po zdarzeniu urazu mózgu można wykryć wystąpienie i/lub ryzyko urazu mózgu, porównując reakcję źrenic pacjenta z normalną odpowiedzią nieuszkodzonej źrenicy, aby ustalić, czy reakcja źrenicy pacjenta była nienormalna.
Wynalazek rozwiązuje problem diagnozy jednostek chorobowych związanych pośrednio bądź bezpośrednio z patologiami układu cholinergicznego.
Celem niniejszego wynalazku jest dostarczenie skutecznych, ulepszonych, niezawodnych, nieinwazyjnych i bezpiecznych testów diagnostycznych do wykrywania patologii układu cholinergicznego. Dalszym celem wynalazku jest dostarczenie testów diagnostycznych do wykrywania patologii układu cholinergicznego o wybranych stopniach czułości i swoistości stosowanych do szybkiego testowania jak i do profesjonalnych badań laboratoryjnych. Dalsze cele wynalazku obejmują dostarczenie elementów i zestawów do przenoszenia testu do diagnozowania patologii układu cholinergicznego na przykład w formie aplikacji mobilnej.
Cel ten osiągnięto przez opracowanie testu diagnozującego jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego, opartego na analizie matematycznej, zależnych od układu cholinergicznego, odruchów źrenicznych, w szczególności, na światło, (ang. Pupillary light reflex, PLR).
Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego zwłaszcza dla chorób neurodegeneracyjnych, do których należy choroba Parkinsona (ang. Parkinson's disease), obejmujący porównanie dostarczonych danych w zakresie odruchów źrenicznych na światło ze znanymi prawidłowymi odruchami w tym samym zakresie, według wynalazku charakteryzuje się tym, że wykonywany jest przez co najmniej jedno urządzenie komputerowe, przy czym dostarczone dane zawierają dane w zakresie odruchów źrenicznych na światło które obejmują co najmniej jedną próbkę zawierającą co najmniej jeden dostarczony parametr zmierzony przez znane urządzenie do mierzenia odruchów źrenicznych na światło, oraz dane w zakresie co najmniej jednej cechy pacjenta na którym dokonano pomiaru, przy czym gdy występuje co najmniej jedna pusta wartość w danych pacjenta zostaje ona uzupełniona przy pomocy średniej ważonej i/lub mediany i/lub rozkładu normalnego w zbiorze danych, a następnie wygenerowane bądź pozyskane dane są identyfikowane i przypisywane poszczególnym wartościom, a powstałe dane analizowane są przy pomocy co najmniej jednej funkcji matematycznej poprzez porównanie zmierzonych wartości ze standardowymi danymi uzyskanymi od pacjentów z dostosowanym do danych wejściowych zaburzeniem pośrednim, bądź bezpośrednim układu cholinergicznego i/lub osobników zdrowych w celu określenia oceny potencjalnych zaburzeń w próbce analizowanej i analizowane jest prawdopodobieństwo wystąpienia choroby przy użyciu algorytmów uczenia maszynowego w którego skład wchodzi co najmniej jeden algorytm sieci neuronowej (SSN) i/lub co najmniej jedna funkcja matematyczna niebędąca częścią sieci neuronowej (SSN), a powstały zbiór funkcji, składający się z co najmniej jednej funkcji matematycznej uwzględnia punkt graniczny opisujący prawdopodobieństwo wystąpienia jednostki chorobowej, przy czym punkt graniczny ustalany jest przy pomocy pola pod krzywą ROC (AUC - Area under the Curve), a skuteczność jest obliczana przy pomocy tabeli krzyżowej testu diagnostycznego (Confusion Matrix) i/lub przy pomocy ewaluacji zbioru testowego (np. Dokładność, f 1-score itp.). Korzystnie, określenia wyniku diagnostycznego dokonuje się poprzez oszacowanie co najmniej jednej oceny danej patologii układu cholinergicznego.
W przedmiotowym zgłoszeniu wynalazku, termin “próbka” obejmuje zbiór danych wymagany do rozpoczęcia analizy matematycznej przez algorytm i niezbędny do postawienia diagnozy, termin “cecha pacjenta” rozumie się dowolną informację opisującą stan fizyczny bądź psychiczny pacjenta mogący mieć wpływ na odruchy źreniczne. (Na przykład: kolor tęczówki, wiek pacjenta, płeć, fakt posiadania chorób współwystępujący eh takich jak depresja, i wszystkie tym podobne). Z kolei termin “Parametr zmierzony przez urządzenie do mierzenia odruchów źrenicznych na światło”- obejmuje wszystkie specjalnie nazywane dane możliwe do zebrania przy pomocy hardwareowego bądź softwareowego narzędzia, takie jak: Opóźnienie rozpoczęcia zwężenia (ang. Latency for the onset of Construction). Podstawowy promień źrenicy (ang. Baseline Pupil Radius), Minimalny promień źrenicy po reakcji źrenicy na światło (ang. Minimum Pupil Radius after the pupil reaction to light), amplituda (ang. Amplitude), czas maksymalnego zwężenia (ang. Time for maximum Miosis, which is defined as the time when the Constriction Velocity is zero), maksymalna prędkość zwężenia (ang. Maximum Constriction Velocity), maksymalne przyspieszenie zwężenia (ang. Maximum Constriction Acceleration), Procentowa amplituda (ang. Percentage Amplitude), czas do maksymalnego zwężenia (ang. Time for maximum construction).
Co więcej uwzględnione w tym zgłoszeniu wszelkie dane techniczne, dokumenty, rysunki, mapy, projekty, fotografie, oprogramowanie, wzory, badania rynkowe, informacje techniczne, technologiczne, operacyjne w których uwzględnione są jakiekolwiek parametry badane w ramach wynalazku wyrażone są tylko przykładowym skrótem (np. T1) nie mającym żadnego znaczenia w procesie analizy danych, mogącym zaś zostać zastąpionym dowolnym innym znakiem.
Wynalazek przedstawiono przykładowo na rysunku na którym:
fig. 1 przedstawia drzewo działania mechanizmu diagnostycznego;
fig. 2 przedstawia porównanie części parametrów uwzględnianych przy badaniu i porównanie ich między osobami zdrowymi i chorymi oraz analizowane odstępstwa od normy dla tych parametrów;
fig. 3 przedstawia krzywą ROC i analiza modelu funkcji określająca przypisanie do choroby przy różnych punktach granicznych;
fig. 4 przedstawia schemat głównych elementów zwojów podstawowego i ich wzajemnych połączeń.
Zgodnie z przykładem wykonania wynalazku, do tworzenia testu diagnostycznego użyto danych wyników badań odruchów źrenicznych na światło w wartościach uśrednionych, rozpisanych przy pomocy własności krzywej Gaussa, u osób chorych na chorobę Parkinsona (n = 122) i zdrowych kontrolnych (n = 101).
Przykład: Analiza statystyczna danych
Test diagnostyczny dla choroby Parkinsona obejmuje etap (a) dostarczenia co najmniej jedną próbkę zawierającą co najmniej jeden parametr zmierzony przez urządzenie do mierzenia odruchów źrenicznych na światło oraz przynajmniej jedną cechę pacjenta na którym dokonano pomiaru, (b) Wykorzystane dane są następnie, bądź w trakcie, poddawane oczyszczaniu poprzez uzupełnienie pustych wartości wartościami średnimi ze zbioru uczącego. W przypadku danych kategorycznych zostaje uzupełniona o najczęściej występującą próbkę lub co najmniej jedną inną próbkę mogącą mieć istotne znaczenie w procesie diagnostycznym, (c) Wygenerowane bądź pozyskane dane są identyfikowane i przypisywane poszczególnym wartościom. Przy pomocy przystosowanego narzędzia takiego jak na przykład pupilometr (ang. Pupillometer), poprzez stymulację światłem i/lub innym bodźcem zewnętrznym, uzyskiwane są wartości R1 (wartość początkowa średnicy źrenicy) oraz R2 (wartość minimalna źrenicy), amplituda (R2-R1), maksymalnie przyspieszenie (Maximum velocity - Vmax mm/sec), maksymalne przyspieszenie (Maximum acceleration - ACmax mm/sec2) oraz inne dające się obliczyć na podstawie nagrania zwężającej się źrenicy w jej odruchu na światło. Dodatkowo od badanego, bądź z jego kartoteki, dostarczana jest informacja na temat płci, wieku, rasy oraz przyjmowanych leków i/lub chorób które mogą zaburzać działanie mechanizmu diagnozującego i/lub inne istotne z punktu widzenia klinicznego, bądź technicznego parametry dotyczące pośrednio i/lub bezpośrednio pacjenta, (d) Powstałe dane analizowane są przy pomocy co najmniej jednej funkcji matematycznej.
PL 245730 Β1
Do obliczenia używana jest głęboka sieć neuronowa wielowarstwowa, a współczynnik błędu jest obliczany na podstawie co najmniej jednego z kilku modeli matematycznych takich jak XGBoost, Logistic Regression, czy algorytm głębokich sieci neuronowych posiadającego co najmniej jedną warstwę ukrytą. Wszystkie użyte modele mają przypisaną wagę dokładności modelu obliczanej na podstawie f1-score. F1-score jest obliczana na podstawie pomnożenia przez 2 czułości/recall (stosunek wyników prawdziwie dodatnich do sumy prawdziwie dodatnich i fałszywie ujemnych), przez precyzję/precision/wartość predykcyjną dodatnią (równa proporcji prawdziwie dodatnich wyników wśród wszystkich wyników dodatnich) podzielona przez sumę precyzji i czułości.
— 2 χ czu^°^c' x prezycja score czułość+precyzja
Taka wartość określi błąd każdego z modeli który będzie brany do analizy, (e) Powstały zbiór funkcji, składający się z co najmniej jednej funkcji matematycznej, która uwzględnia punkt graniczny opisujący prawdopodobieństwo wystąpienia jednostki chorobowej. Punkt graniczny ustalany jest przy pomocy pola pod krzywą ROC (AUC-Area underthe Curve), a skuteczność jest obliczana przy pomocy tabeli krzyżowej testu diagnostycznego (Confusion Matrix) i/lub przy pomocy ewaluacji zbioru testowego (np. dokładność, f1-score itp.).
Obecnie stosowany przez lekarzy system oceny występowania choroby Parkinsona obejmuje:
1) System oceny polegający na poszukiwaniu cech charakterystycznych dla tej jednostki chorobowej.
Czułość: 74%
Swoistość: 48%
2) Według wynalazku system oceny pacjenta bazujący na algorytmie analizującym dane odruchów źrenicznych. (Przy zbiorze 45 grupy kontrolnej i 178 grupy badawczej)
Czułość 96%
Swoistość: 94%
Na fig. 1 przedstawiono drzewo działania mechanizmu diagnostycznego w szczególności przedstawiono sekwencję postępowań wykonywanych przez algorytm podczas podejmowania decyzji o diagnozie.
Na fig. 2 przedstawiono porównanie części parametrów uwzględnianych przy badaniu i porównanie ich między osobami zdrowymi i chorymi oraz analizowane odstępstwa od normy dla tych parametrów. Na rysunku znajduje się porównanie 9 parametrów pomiędzy sobą. Kolorem jasnoszarym są oznaczone osoby chore, kolorem czarnym zdrowe.
• Płeć (sex) • Wiek (age) • R1 (wartość początkowa średnicy źrenicy) (R1) • T1 Latencja (T1) • R2 (wartość minimalna źrenicy), (R2) • Amplituda (R2-R1), (AMP) • Maksymalne przyspieszenie (Maximum velocity - Vmax (V) mm/sec), (VEL) • Maksymalne przyspieszenie (Maximum acceleration - ACmax mm/sec2) (ACMAX) • Czas do maksymalnego zwężenia (T3)
Po przekątnej znajduje się rozkład próbek zdrowych i chorych w poszczególnych parametrach, natomiast w poszczególnych polach znajdują się próbki z parametru z osi x oraz y podzielona na osoby zdrowe i chore. Różnice w rozkładzie wartości próbek zdrowych i chorych sugerują siłę korelacji parametru z użytecznością diagnostyczną. Im większą różnica tym silniejsze powiązanie i istotniejszy jest dany parametr przy dokonywaniu detekcji patologii układu cholinergicznego.
Na fig. 3 przedstawiono krzywą ROC i analizę modelu funkcji określającą przypisanie do choroby przy różnych punktach granicznych. Krzywa opisuje wartości prawdziwie pozytywnych wartości (true positive) dla różnych punktów granicznych prawdopodobieństwa od 0 gdzie wszystkie próbki przypisujemy jako negatywne, do 1 gdzie wszystkie próbki przypisujemy jako pozytywne.
Na fig. 4 przedstawiono schemat głównych elementów zwojów podstawowego i ich wzajemnych połączeń, gdzie ścieżki glutaminergiczne w stępują w projekcjach z Thalamus do Cortex, z Cortex do Striatum, z STN (ang. subthalamic nucleus) do GPi (ang. Internal globus pallidus), z STN do SNr (ang. substantia nigra pars reticulata). Ścieżki dopaminergiczne dają projekcie z SNc (ang. substantia nigra
PL 245730 Β1 pars compacta) do Striatum, a ścieżki GABAergiczne to wszystkie pozostałe. Istotny jest fakt, iż znaczna utrata neuronów cholinergicznych przodomózgowia została potwierdzona w mózgu dotkniętym PD (Whitehouse i in., 1983; Candy i in., 1983). Stwierdzenie większej utraty neuronów przodomózgowia u pacjentów z PD niż u pacjentów z AD skłoniło Arendt i wsp. (1983) do zaproponowania, że deficyty Centralnego Układu Cholinergicznego (CSS) mogą być co najmniej tak samo widoczne w PD jak w AD. Z tego tytułu tłumaczy to korelację pomiędzy neurodegeneracją występującą w SNc (Substantia Nigra pars compacta) w chorobie Parkinsona a zaburzeniami występującymi w układzie cholinergicznym. Na podstawie, których stawiana jest diagnoza.
Tabela 1
Leki mogące zaburzyć odruchy źreniczne oraz ich mechanizm zaburzania odruchu, Kelbsch C, Strasser T, Chen Y, Feigl B, Gamlin PD, Kardon R, Peters T, Roecklein KA, Steinhauer SR, Szabadi E, Żele AJ, Wilhelm H and Wilhelm BJ (2019) Standards in Pupillography. Front. Neurol. 10:129. doi: 10.3389/fneur. 2019.00129
| Drug | Mechanism | Pupil |
| TOPICAL | ||
| Pilocarpine | cholinergic | miosisa |
| Carbachol | cholinergic | miosisa |
| Aceclidine | cholinergic | miosisa |
| Atropinę | anticholinergic | mydriasis” |
| Scopo laminę | anticholinergic | mydriasisb |
| Tropicamide | anticholinergic | mydriasis |
| Phenylephrine | □1 -adrenoceptor agonist | mydriasis |
| Methoxamine | a1 -adrenoceptor agonist | mydriasis |
| Apraclonidine | a1 -adrenoceptor agonist | mydriasis0 |
| Dapiprazole | Qi -adrenoceptor antagonist | miosis |
| Brimonidine | a2 -adrenoceptor agonist | miosis8 |
| Cocaine | noradrenalinę uptake inhibitor | mydriasis |
| SYSTEMIC | ||
| Antihistamines | H1 histaminę receptor antagonists | miosisB |
| ANTIHYPERTENSIVES | ||
| Prazosin | □i -adrenoceptor antagonist | miosis* |
| Clonidine | ctj-adrenoceptor agonist | Miosis8 |
| ANTIARRYTHMICS | ||
| Disopyramide | anticholinergic | mydriasis |
| DRUGS FOR PARKINSONA DISEASE | ||
| Anticholinergics | Blockade of muscarinic recepto rs | mydriasis11 |
| Dopaminergics | Stimulation of D2 dopamine receptors | mydriasis1 |
PL 245730 Β1
| ANTIDEPRESSANTS | ||
| Tricyclic | Mainly noradrenalinę uptake blockade | mydriasis' |
| Reboxetine | noradrenalinę uptake blockade | mydriasis |
| Venlafaxine | noradrenaline/serotonin uptake blockade | mydriasis |
| SSRIs | serotonin uptake blockade | no effectk |
| ANTIPSYCHOTICS | ||
| Phenothiazines | a1 -adrenoceptor antagonist, sedation | miosis' |
| Haloperidol | a1 -adrenoceptor antagonist | miosis |
| SEDATIVES | ||
| Benzodiazepines | GABA receptor agonist -> sedation | no effect1 |
| PSYCHOSTIMULANTS | ||
| Amphetamine | Noradrenalinę releaser | mydriasis |
| Modafinil | Dopamine uptake blocker | mydriasis |
| ANALGESICS | ||
| Opiates | stimulation of inhibitory μ receptors | miosis0 |
| ANTIEMETICS | ||
| Scopolamine | anticholinergic | mydriasis |
| ANTI- INCONTINENCE DRUGS | ||
| [...] | anticholinergic | mydriasisp |
Gdzie (a) leczenie jaskry, (b) leczenie miopii, (c) w zespole Homera (nadwrażliwe a1-adrenoceptory) (d) lek redukuje uwalnianie noradrenaliny (leczenie jaskry) (e) leki przeciwhistaminowe pierwszej generacji (np. difenhydramina, cyklizina) przenikają do mózgu, gdzie blokują receptory histaminowe H1, prowadząc do sedacji. (f) lek blokuje receptory al-adrenoceptory w mięśniu gładkim naczyniowym, (g) lek stymuluje hamujące recept a2-adrenoceptory na centralnych neuronach noradrenergicznych, co prowadzi do sedacji i sympatolizy. (h) obejmują orphenadrynę, procyklidynę, triheksyfenydyl. (i) agoniści receptorów dopaminergicznych D2 (np. pramipeksol) stymulują hamujące receptory D2 na pobudzających ośrodkowych neuronach dopaminergicznych, prowadząc do sedacji i sympatolizy. Oczekuje się, że spowoduje to miozę, jednak paradoksalnie pramipeksol powoduje mydriozę. Trójcykliczne leki przeciwdepresyjne blokują wychwyt noradrenaliny, potęgując noradrenergiczną neurotransmisję, a to prowadziłoby do mydriozy. Mają one jednak inne działanie: blokada cholinoceptorów muskarynowych prowadziłaby do mydriozy i sedacji, a blokada adrenoceptorów a1 powodowałaby miozę. Ogólny efekt odzwierciedla równowagę między tymi działaniami: mydriazja z powodu blokady wychwytu noradrenaliny i blokada cholinoceptorów jest przeciwdziałać miozie z powodu blokady adrenoceptorów a1 i sedacji. Wyjaśnia to zmienne działanie trójcylowych leków przeciwdepresyjnych na źrenicę: imipramina i desipramina rozszerzają ją, a amitryptylina ma na nią niewielki wpływ, (k) Selektywne inhibitory wychwytu zwrotnego serotoniny (SSRI) blokują receptory serotoninowe w złożonej sieci neuronów serotoninergicznych związanych z różnymi receptorami pobudzającymi/hamującymi. Ogólnym efektem jest niewielka lub żadna zmiana średnicy źrenic. (l) Leki te (np. chlorpromazyna, trifluoperazyna) mają również działanie antycholinergiczne, które prowadziłoby do mydriozy. Dominuje jednak blokada receptora a1 i sedacja, co prowadzi do mikozy. (m) Paradoksalnie, chociaż diazepam benzodiazepinowy jest silnie uspokajający, to jednak nie ma on wpływu na średnicę źrenic.(n) Modafinil blokuje wychwyt dopaminy przy synapsach wyniszczających na centralnych neuronach noradrenergicznych: prowadzi to do zwiększenia aktywności pobudzającej i współczulnej. (o) Stymulacja hamujących receptorów μ na centralnych neuronach noradrenergicznych prowadzi do sedacji i sympatolizy. (p) Leki te (oksybutynina, festerodina) hamują unieruchomienie pęcherza moczowego poprzez blokowanie cholinoceptorów w mięśniu detrusora.
Claims (2)
- Zastrzeżenia patentowe1. Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego zwłaszcza dla chorób neurodegeneracyjnych, do których należy choroba Parkinsona (ang. Parkinson's disease), obejmujący porównanie dostarczonych danych w zakresie odruchów źrenicznych na światło ze znanymi prawidłowymi odruchami w tym samym zakresie, znamienny tym, że wykonywany jest przez co najmniej jedno urządzenie komputerowe, przy czym dostarczone dane zawierają dane w zakresie odruchów źrenicznych na światło które obejmują co najmniej jedną próbkę zawierającą co najmniej jeden dostarczony parametr zmierzony przez znane urządzenie do mierzenia odruchów źrenicznych na światło, oraz dane w zakresie co najmniej jednej cechy pacjenta na którym dokonano pomiaru, przy czym gdy występuje co najmniej jedna pusta wartość w danych pacjenta zostaje ona uzupełniona przy pomocy średniej ważonej i/lub mediany i/lub rozkładu normalnego w zbiorze danych, a następnie wygenerowane bądź pozyskane dane są identyfikowane i przypisywane poszczególnym wartościom, a powstałe dane analizowane są przy pomocy co najmniej jednej funkcji matematycznej poprzez porównanie zmierzonych wartości ze standardowymi danymi uzyskanymi od pacjentów z dostosowanym do danych wejściowych zaburzeniem pośrednim, bądź bezpośrednim układu cholinergicznego i/lub osobników zdrowych w celu określenia oceny potencjalnych zaburzeń w próbce analizowanej i analizowane jest prawdopodobieństwo wystąpienia choroby przy użyciu algorytmów uczenia maszynowego w którego skład wchodzi co najmniej jeden algorytm sieci neuronowej (SSN) i/lub co najmniej jedna funkcja matematyczna niebędąca częścią sieci neuronowej (SSN), a powstały zbiór funkcji, składający się z co najmniej jednej funkcji matematycznej uwzględnia punkt graniczny opisujący prawdopodobieństwo wystąpienia jednostki chorobowej, przy czym punkt graniczny ustalany jest przy pomocy pola pod krzywą ROC (AUC - Area under the Curve), a skuteczność jest obliczana przy pomocy tabeli krzyżowej testu diagnostycznego (Confusion Matrix) i/lub przy pomocy ewaluacji zbioru testowego, zwłaszcza dokładności, f1-score.
- 2. Test według zastrz. 1, znamienny tym, że dodatkowo określenia wyniku diagnostycznego dokonuje się poprzez oszacowanie co najmniej jednej oceny danej patologii układu cholinergicznego.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PL433391A PL245730B1 (pl) | 2020-03-31 | 2020-03-31 | Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego |
| PCT/PL2021/000020 WO2021201706A1 (en) | 2020-03-31 | 2021-03-30 | A test to diagnose, monitor or stratify diseases directly or indirectly associated with the pathologies of the cholinergic system |
| US17/916,125 US20230397866A1 (en) | 2020-03-31 | 2021-03-30 | Test to diagnose, monitor or stratify diseases directly or indirectly associated with the pathologies of the cholinergic system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PL433391A PL245730B1 (pl) | 2020-03-31 | 2020-03-31 | Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| PL433391A1 PL433391A1 (pl) | 2021-10-04 |
| PL245730B1 true PL245730B1 (pl) | 2024-09-30 |
Family
ID=75954227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PL433391A PL245730B1 (pl) | 2020-03-31 | 2020-03-31 | Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230397866A1 (pl) |
| PL (1) | PL245730B1 (pl) |
| WO (1) | WO2021201706A1 (pl) |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9629543B2 (en) * | 2009-03-17 | 2017-04-25 | Emory University | Internet-based cognitive diagnostics using visual paired comparison task |
| WO2014018102A1 (en) * | 2012-07-25 | 2014-01-30 | Massachusetts Institute Of Technology | Temporal structured-illumination motion-dectection system |
| JP6789819B2 (ja) * | 2014-03-14 | 2020-11-25 | エルケーシー テクノロジーズ インコーポレイテッド | 網膜症検出のためのシステム及び方法 |
| US20160106315A1 (en) * | 2014-05-30 | 2016-04-21 | Umoove Services Ltd. | System and method of diagnosis using gaze and eye tracking |
| JP2019504402A (ja) * | 2015-12-18 | 2019-02-14 | コグノア， インコーポレイテッド | デジタル個別化医療のためのプラットフォームおよびシステム |
| US10034605B2 (en) | 2016-04-29 | 2018-07-31 | Jonathan T. Holt | Systems, methods, and devices for detection and diagnosis of brain trauma, mental impairment, or physical disability |
| US10201274B2 (en) * | 2016-10-20 | 2019-02-12 | Oculogica Inc | Eye tracking system with biometric identification |
| US20180271364A1 (en) * | 2017-03-24 | 2018-09-27 | Osaka University | Method and apparatus for detecting ocular movement disorders |
| US20190191995A1 (en) * | 2017-07-28 | 2019-06-27 | Pupilscan Corporation | Systems and Methods for Capturing and Analyzing Pupil Images to Determine Toxicology and Neurophysiology |
| JP2022517898A (ja) * | 2018-11-14 | 2022-03-11 | キナプス | 予測モデルを決定するための方法、ｍｋマーカのｋアプレットの進展を予測するための方法および関連デバイス |
-
2020
- 2020-03-31 PL PL433391A patent/PL245730B1/pl unknown
-
2021
- 2021-03-30 US US17/916,125 patent/US20230397866A1/en active Pending
- 2021-03-30 WO PCT/PL2021/000020 patent/WO2021201706A1/en not_active Ceased
Also Published As
| Publication number | Publication date |
|---|---|
| PL433391A1 (pl) | 2021-10-04 |
| WO2021201706A1 (en) | 2021-10-07 |
| US20230397866A1 (en) | 2023-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5778893A (en) | Method of diagnosing and monitoring a treatment for Alzheimer's disease | |
| Larrosa et al. | Potential new diagnostic tool for Alzheimer's disease using a linear discriminant function for Fourier domain optical coherence tomography | |
| Jiménez et al. | Development of a prediction formula of Parkinson disease severity by optical coherence tomography | |
| Ashraf et al. | Retinal imaging biomarkers of Alzheimer's disease: A systematic review and meta‐analysis of studies using brain amyloid beta status for case definition | |
| Golden et al. | Cross-validation of the ability of the Luria-Nebraska Neuropsychological Battery to differentiate chronic schizophrenics with and without ventricular enlargement. | |
| Živković et al. | Retinal ganglion cell/inner plexiform layer thickness in patients with Parkinson’s disease | |
| Das et al. | Structural changes in retina (Retinal nerve fiber layer) following mild traumatic brain injury and its association with development of visual field defects | |
| Schneider et al. | Retinal pathology detected by optical coherence tomography in an animal model of Parkinson's disease | |
| Ekström et al. | Pseudoexfoliation as a risk factor for prevalent open‐angle glaucoma | |
| Saks et al. | Determination of retinal nerve fibre layer and ganglion cell/inner plexiform layers progression rates using two optical coherence tomography systems: the PROGRESSA study | |
| Feick et al. | Sensitivity and predictive value of occupational and physical therapy assessments in the functional evaluation of patients with suspected normal pressure hydrocephalus. | |
| Tröster et al. | Movement disorders with dementia in older adults | |
| Azcue et al. | Small fiber neuropathy in the post‐COVID condition and Myalgic Encephalomyelitis/Chronic Fatigue Syndrome: Clinical significance and diagnostic challenges | |
| Karti et al. | The assessment of optical coherence tomographic parameters in subjects with a positive family history of glaucoma | |
| PL245730B1 (pl) | Test diagnozujący jednostki chorobowe związane pośrednio bądź bezpośrednio z patologiami układu cholinergicznego | |
| Estiasari et al. | Evaluation of retinal structure and optic nerve function changes in multiple sclerosis: longitudinal study with 1‐year follow‐up | |
| Li et al. | Impact of visual field testing on intraocular pressure change trends in healthy people and glaucoma patients | |
| Jang et al. | Comparative analysis of mean retinal thickness measured using SD-OCT in normal young or old age and glaucomatous eyes | |
| Nikmanesh et al. | Diagnostic accuracy of brain stem auditory evoked response in distinguishing drug-induced parkinsonism from Parkinson'sdisease | |
| Baykara et al. | Retinal changes in panic disorder patients | |
| WO2019165049A1 (en) | Methods for detecting neurodegenerative disease | |
| Zhu et al. | Retinal neurovascular signatures in Parkinson's disease | |
| Phu et al. | Intra‐session repeatability of anterior chamber depth across the chamber width using Pentacam Scheimpflug imaging in healthy subjects | |
| Qian et al. | Eye Movement and Gait Variability Analysis in Chinese Patients With Huntington’s Disease | |
| Orum et al. | Retinal nerve fiber layer decrease and choroidal layer increase after four weeks of buprenorphine/naloxone maintenance treatment in opioid use disorder |