Los equipos de tecnología portátil, IA y clínicos se unen para cambiar el aspecto de la monitorización de ensayos

Un equipo multidisciplinario de investigadores ha desarrollado una forma de monitorear la progresión de los trastornos del movimiento utilizando tecnología de captura de movimiento e IA.

En dos estudios innovadores, publicados en Medicina naturalun equipo interdisciplinario de investigadores clínicos y de IA ha demostrado que al combinar los datos de movimiento humano recopilados a partir de tecnología portátil con una nueva y poderosa tecnología médica de IA, pueden identificar patrones de movimiento claros, predecir la progresión futura de la enfermedad y aumentar significativamente la eficiencia de la investigación clínica. ensayos en dos trastornos raros muy diferentes, la distrofia muscular de Duchenne (DMD) y la ataxia de Friedreich (AF).

La DMD y la FA son enfermedades genéticas degenerativas raras que afectan el movimiento y eventualmente conducen a la parálisis. Actualmente no hay cura para ninguna de las dos enfermedades, pero los investigadores esperan que estos resultados aceleren significativamente la búsqueda de nuevos tratamientos.

El seguimiento de la progresión de la AF y la DMD normalmente se realiza a través de pruebas intensivas en un entorno clínico. Estos documentos ofrecen una evaluación significativamente más precisa que también aumenta la precisión y la objetividad de los datos recopilados.

Los investigadores estiman que el uso de estos marcadores de enfermedad significa que se requieren muchos menos pacientes para desarrollar un nuevo fármaco en comparación con los métodos actuales. Esto es particularmente importante para las enfermedades raras en las que puede ser difícil identificar a los pacientes adecuados.

Los científicos esperan que, además de usar la tecnología para monitorear pacientes en ensayos clínicos, algún día también pueda usarse para monitorear o diagnosticar una variedad de enfermedades comunes que afectan el comportamiento del movimiento, como la demencia, el accidente cerebrovascular y las afecciones ortopédicas.

El autor principal y corresponsal de ambos artículos, el profesor Aldo Faisal, de los Departamentos de Bioingeniería y Computación del Imperial College London, quien también es Director del Centro UKRI para la Formación Doctoral en IA para la Atención Médica, y la Cátedra de Salud Digital en la Universidad de Bayreuth ( Alemania), y titular de una beca de IA Turing de UKRI, dijo: «Nuestro enfoque recopila enormes cantidades de datos del movimiento de todo el cuerpo de una persona, más de lo que cualquier neurólogo tendrá la precisión o el tiempo para observar en un paciente. Nuestra tecnología de IA construye un gemelo digital del paciente y nos permite hacer predicciones precisas y sin precedentes de cómo progresará la enfermedad de un paciente individual. Creemos que la misma tecnología de IA que funciona en dos enfermedades muy diferentes, muestra lo prometedor que es aplicarse a desarrollar tratamientos para muchas más enfermedades incluso más rápido, más barato y más preciso».

Los dos documentos destacan el trabajo de una gran colaboración de investigadores y expertos en tecnología de inteligencia artificial, ingeniería, genética y especialidades clínicas. Estos incluyen investigadores de Imperial, el Centro UKRI en IA para la atención médica, el Instituto de Ciencias Médicas de Londres MRC (MRC LMS), el Instituto de Salud Infantil Great Ormond Street de UCL (UCL GOS ICH), el Centro de Investigación Biomédica del Hospital Great Ormond Street de NIHR ( NIHR GOSH BRC), Ataxia Center en UCL Queen Square Institute of Neurology, Great Ormond Street Hospital, National Hospital for Neurology and Neurosurgery (UCLH y UCL/UCL BRC), University of Bayreuth, Gemelli Hospital en Roma, Italia, y Instalación de investigación del NIHR Imperial College.

Huellas dactilares de movimiento: las pruebas en detalle

El coautor de ambos estudios, el profesor Richard Festenstein, del Instituto de Ciencias Médicas MRC de Londres y del Departamento de Ciencias del Cerebro de Imperial, dijo: «Los pacientes y las familias a menudo quieren saber cómo progresa su enfermedad, y la tecnología de captura de movimiento combinada con IA podría ayudar». para proporcionar esta información. Esperamos que esta investigación tenga el potencial de transformar los ensayos clínicos en trastornos del movimiento raros, así como mejorar el diagnóstico y el seguimiento de los pacientes por encima de los niveles de rendimiento humano».

En el estudio centrado en la DMD, los investigadores y médicos del Imperial, Great Ormond Street Hospital y University College London probaron el traje sensor que se usa en el cuerpo en 21 niños con DMD y 17 controles sanos de la misma edad. Los niños usaron los sensores mientras realizaban evaluaciones clínicas estándar (como la prueba de caminata de 6 minutos) y realizaban sus actividades cotidianas, como almorzar o jugar.

En el estudio de FA, los equipos del Imperial, el Ataxia Center, el UCL Queen Square Institute of Neurology y el MRC London Institute of Medical Sciences trabajaron con pacientes para identificar patrones de movimiento clave y predecir marcadores genéticos de la enfermedad. La FA es la ataxia hereditaria más común y es causada por una repetición inusualmente grande del triplete del ADN, que desactiva el gen de la FA. Usando esta nueva tecnología de inteligencia artificial, el equipo pudo usar datos de movimiento para predecir con precisión el «apagado» del gen FA, midiendo qué tan activo estaba sin la necesidad de tomar muestras biológicas de los pacientes.

El equipo pudo administrar una escala de calificación para determinar el nivel de discapacidad de la ataxia SARA y evaluaciones funcionales como caminar, movimientos de manos/brazos (SCAFI) en 9 pacientes con AF y controles coincidentes. Los resultados de estas evaluaciones clínicas validadas luego se compararon con los obtenidos al usar la nueva tecnología en los mismos pacientes y controles. Este último muestra una mayor sensibilidad en la predicción de la progresión de la enfermedad.

En ambos estudios, todos los datos de los sensores se recopilaron y se introdujeron en la tecnología de IA para crear avatares individuales y analizar movimientos. Este vasto conjunto de datos y la poderosa herramienta informática permitieron a los investigadores definir huellas dactilares de movimiento clave observadas en niños con DMD y adultos con AF, que eran diferentes en el grupo de control. Muchos de estos patrones de movimiento basados ​​en la IA no se habían descrito clínicamente antes ni en la DMD ni en la AF.

Los científicos también descubrieron que la nueva técnica de IA también podría mejorar significativamente las predicciones de cómo progresaría la enfermedad de los pacientes individuales durante seis meses en comparación con las evaluaciones estándar de oro actuales. Una predicción tan precisa permite realizar ensayos clínicos de manera más eficiente para que los pacientes puedan acceder a nuevas terapias más rápido y también ayuda a dosificar los medicamentos con mayor precisión.

Números más pequeños para futuros ensayos clínicos

Esta nueva forma de analizar las mediciones de movimiento de todo el cuerpo proporciona a los equipos clínicos marcadores claros de enfermedades y predicciones de progresión. Estas son herramientas invaluables durante los ensayos clínicos para medir los beneficios de nuevos tratamientos.

La nueva tecnología podría ayudar a los investigadores a realizar ensayos clínicos de condiciones que afectan el movimiento de manera más rápida y precisa. En el estudio DMD, los investigadores demostraron que esta nueva tecnología podría reducir el número de niños necesarios para detectar si un tratamiento novedoso funcionaría a una cuarta parte de los necesarios con los métodos actuales.

De manera similar, en el estudio FA, los investigadores demostraron que podían lograr la misma precisión con 10 de pacientes en lugar de más de 160. Esta tecnología de IA es especialmente poderosa cuando se estudian enfermedades raras, cuando las poblaciones de pacientes son más pequeñas. Además, la tecnología permite estudiar pacientes a través de eventos de enfermedades que cambian la vida, como la pérdida de la deambulación, mientras que los ensayos clínicos actuales se dirigen a cohortes de pacientes ambulantes o no ambulantes.

El coautor de ambos estudios, el profesor Thomas Voit, director del NIHR Great Ormond Street Biomedical Research Center (NIHR GOSH BRC) y profesor de neurociencias del desarrollo en UCL GOS ICH, dijo: «Estos estudios muestran cómo la tecnología innovadora puede mejorar significativamente la forma en que estudiar enfermedades día a día. El impacto de esto, junto con el conocimiento clínico especializado, no solo mejorará la eficiencia de los ensayos clínicos, sino que tiene el potencial de traducirse en una gran variedad de condiciones que afectan el movimiento. Es gracias a las colaboraciones entre las investigaciones. institutos, hospitales, especialidades clínicas y con pacientes y familias dedicados que podemos comenzar a resolver los problemas desafiantes que enfrenta la investigación de enfermedades raras».

El primer autor conjunto de ambos estudios, el Dr. Balasundaram Kadirvelu, investigador postdoctoral en los Departamentos de Computación y Bioingeniería de Imperial, dijo: «Nos sorprendió ver cómo nuestro algoritmo de IA pudo detectar algunas formas novedosas de analizar los movimientos humanos. Llamamos las ‘huellas de comportamiento’ porque al igual que las huellas dactilares de su mano nos permiten identificar a una persona, estas huellas digitales caracterizan la enfermedad con precisión, sin importar si el paciente está en silla de ruedas o caminando, en la clínica haciendo una evaluación o almorzando en un café. .»

La Dra. Valeria Ricotti, coautora conjunta del estudio sobre la DMD y coautora del estudio sobre la FA, profesora clínica honoraria del GOS ICH de la UCL, dijo: «La investigación de enfermedades raras puede ser sustancialmente más costosa y logísticamente desafiante, lo que significa que los pacientes están perdiendo sobre nuevos tratamientos potenciales. El aumento de la eficiencia de los ensayos clínicos nos da la esperanza de que podamos probar muchos más tratamientos con éxito».

La coautora, la profesora Paola Giunti, directora del UCL Ataxia Center, Queen Square Institute of Neurology y consultora honoraria del National Hospital for Neurology and Neurosurgery, UCLH, dijo: «Estamos encantados con los resultados de este proyecto que mostró cómo la IA aborda son sin duda superiores en la captura de la progresión de la enfermedad en una enfermedad rara como la ataxia de Friedreich. Con este enfoque novedoso podemos revolucionar el diseño de ensayos clínicos para nuevos medicamentos y monitorear los efectos de los medicamentos ya existentes con una precisión que no se conocía con los métodos anteriores».

«La gran cantidad de pacientes con AF que estaban muy bien caracterizados tanto clínica como genéticamente en el Ataxia Center UCL Queen Square Institute of Neurology, además de nuestro aporte crucial en el protocolo clínico, hizo posible el proyecto. También estamos agradecidos con todos nuestros pacientes que participaron en este proyecto».