Ein neues Open-Source-Machine-Learning-Tool namens ActiTect kann ein starkes frühes Warnzeichen der Parkinson-Krankheit und verwandter Erkrankungen allein durch die Analyse von Handgelenksbewegungen im Schlaf erkennen. Forscher mehrerer europäischer Institutionen trainierten den Algorithmus darauf, die isolierte REM-Schlafverhaltensstörung (iRBD) zu identifizieren, einen Zustand, bei dem Menschen ihre Träume körperlich ausleben, oft Jahre bevor neurologische Erkrankungen auftreten.
Die Forschung
Das Team baute und testete ActiTect an Aktigraphie-Aufzeichnungen von 279 Personen aus fünf verschiedenen Datensätzen. In der ersten Entwicklungskohorte von 78 Personen erreichte das Modell einen AUROC von 0,95 (wobei 1,0 perfekt ist). Bei einem verblindeten lokalen Satz von 31 Personen blieb die Leistung mit 0,86 AUROC stark. Zwei völlig unabhängige externe Kohorten zeigten AUROCs von 0,84 (n=113) und 0,94 (n=57). Um einen realen Einsatz zu simulieren, verwendeten die Forscher einen Leave-One-Dataset-Out-Kreuzvalidierungsansatz, der über alle Datensätze hinweg einen konsistenten AUROC-Bereich von 0,84 bis 0,89 ergab. Dies zeigt, dass ActiTect über verschiedene Geräte und Aufzeichnungseinstellungen hinweg generalisieren kann, ohne an Genauigkeit zu verlieren.
Warum es wichtig ist
Die meisten Menschen mit iRBD bleiben unerkannt, bis bereits eine signifikante Neurodegeneration stattgefunden hat. Aktigraphie – mit einem einfachen Armbandgerät ähnlich einem Fitness-Tracker – ist kostengünstig und skalierbar. Durch die Automatisierung der Analyse mit einem Tool wie ActiTect könnten große Bevölkerungsgruppen nicht-invasiv gescreent werden. Die leitenden Autoren der Studie von der Universitätsklinik Köln und der Universität Aarhus betonen, dass die automatisierte Schlaf-Wach-Erkennung und robuste Vorverarbeitung der Pipeline sie für den Heimgebrauch geeignet machen. Für die Allgemeinheit bedeutet dies eine frühere Erkennung von Erkrankungen wie Parkinson, Demenz mit Lewy-Körperchen und Multisystematrophie, was möglicherweise ein Fenster für präventive Interventionen öffnet.
Was Sie tun können
Sie können diese Forschung unterstützen, indem Sie an Studien teilnehmen, die Wearables zur Aufzeichnung von Schlaf und Bewegung nutzen. Wenn Sie eine Smartwatch oder einen Fitness-Tracker besitzen, achten Sie auf Schlafmuster und besprechen Sie etwaige Bedenken mit Ihrem Arzt. Der ActiTect-Code ist frei online verfügbar, sodass technisch versierte Leser das Tool auf ihren eigenen Daten herunterladen und validieren können.
Quelle: arXiv q-bio.NC
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder probieren Sie 306 Gehirntrainings-Level.
