帕金森病(PD)是一种慢性进行性神经系统疾病，影响全球约600万人，预计到2040年将翻倍.PD会导致运动功能丧失，包括震颤，速度降低，步态/平衡受损导致跌倒，以及非运动症状，如认知障碍，睡眠和言语障碍。

PD患者最常见的并发症之一是药物ON和OFF运动波动，50%的患者在3至5年内被诊断出来，80%的患者在10年内被诊断出来。这些运动波动的发生是管理疾病的关键点，因为它需要不断调整治疗，例如改变药物的频率和剂量或改变深部脑刺激的参数。

目前，通过简短的临床检查或适当的病史记录和患者自我报告来解决PD运动波动，这依赖于广泛的患者教育。即便如此，自我报告也可能不可靠，临床检查可能不切实际，特别是在农村地区。患者经常需要与神经科医生进行频繁的随访。

佛罗里达大西洋大学工程与计算机科学学院的研究人员开发出一种创新方法，可以自动可靠地检测和监测PD患者的药物开启和关闭状态。他们结合了一种算法和基于传感器的系统，该系统使用放置在患者最受影响的手腕和踝关节上的两个可穿戴运动传感器来检测PD患者的ON和OFF状态模式。

这项研究发表在“医学工程与物理”杂志上，这些传感器收集了运动信号，同时患者进行了7项日常生活活动，例如步行或穿着药物的ON和OFF阶段。该算法使用来自四个活动的大约15%的数据进行训练，并对剩余数据进行测试。来自两个传感器的数据提供了客观测量而不是患者日记或自我报告。

研究结果表明，该算法能够在受试者日常活动中检测出对药物的反应，平均准确率为90.5%，敏感性为94.2%，特异性为85.4%。

“我们的方法很新颖，因为它是为每位患者量身定制的，而不是'一刀切'的方法，并且可以在患者进行不同的日常活动时持续检测和报告药物的开启和关闭状态，”Behnaz Ghoraani博士说。 .D。，资深作者，FAU计算机与电子工程与计算机科学系助理教授，FAU传感与嵌入式网络系统研究所(I-SENSE)和FAU脑研究所(I-BRAIN)两位研究员，两位该大学的四个研究支柱。“一旦算法被训练，它就可以很容易地被用作被动系统来监测药物波动，而不依赖于患者或医生的参与。”

Ghoraani的目标和共同作者Murtadha D. Hssayeni，博士。FAU的学生，罗彻斯特大学医学中心的医学博士Michelle A. Burack和贝勒医学院的医学博士Joohi Jimenez-Shahed将开发一个个性化的系统，可以使用收集的数据进行培训。患者的第一次临床访问。患者将受益于自动化且用户友好的系统，该系统易于用于连续检测他们对药物的反应。

“非常需要一种基于技术的系统来提供有关帕金森病患者不同药物治疗阶段持续时间的可靠客观信息，治疗医师可以使用这些信息来成功调整治疗，”Stella Batalama博士说。 D.，FAU工程与计算机科学学院院长。“Ghoraani教授及其合作者在这一领域所做的研究可以大大改善数百万受这种使人衰弱的神经退行性疾病折磨的患者的护理和生活质量。”

基于传感器的被动评估系统和算法组合将使家庭监测系统的开发能够提供关于患者运动波动严重程度的全面，临床可操作信息，并可作为临床测量的代理，也可用于远程医疗。 。