Home-based measurements of dyskinesia using smartphone-coupled inertial sensor technology and machine learning (MODYS@home)
Dyskinetische cerebrale parese wordt gekenmerkt door een ernstige bewegingsstoornis (dyskinesie). Om dyskinesie adequaat te behandelen is doeltreffende meting hiervan uiterst belangrijk. Het doel van dit project was een manier te ontwikkelen om dyskinesie thuis, en over een langere tijd, te meten. Hiervoor is binnen het project een app ontwikkeld (MODYS@home app). De MODYS@home app verzamelt continue data van draagbare sensoren. In een pilotstudie is data van 12 deelnemers met dyskinetische cerebrale parese verzameld. De video’s zijn voor elke 5 seconden door 3 clinici beoordeeld op dystonia (onwillekeurige bewegingen en houdingen). Deze klinische beoordeling is gebruikt om een computermodel te trainen om de dystonia automatisch te detecteren in de sensordata. Er zijn modellen voor elk individu getraind en een model voor alle 12 deelnemers samen.
De individuele modellen leveren een nauwkeurigheid van ongeveer 80% op, het gezamenlijke model een nauwkeurigheid van 40-50%. Voor klinisch gebruik is er een verbetering van de modellen met meer data nodig, maar de resultaten laten zien dat het mogelijk is om dyskinesie automatisch te beoordelen.
Producten
Auteur: Haberfehlner, Helga, Bonouvrié, Laura A., Stolk, Karen L., van der Ven, S. Shankara, Aleo, Ignazio, van der Burg, Sven A., van der Krogt, Marjolein M., Buizer, Annemieke I.
Auteur: den Hartog, Dylan, van der Krogt, Marjolein, van der Burg, Sven, Aleo, Ignazio, Gijsbers, Johannes, Bonovrié, Laura, Harlaar, Jaap, Buizer, Annemieke, Haberfehlner, Helga
Auteur: Dong-wook Rha, Annemieke Buizer, Helga Haberfehlner, Elyse Passmore, Nelleke Langerak
Auteur: Inti Vanmechelen, Helga Haberfehlner, Annemieke Buizer, Laura Bonouvrie, Elegast Monbaliu
Auteur: H. Haberfehlner, D. Den Hartog, I. Aleo, J. Gijsbers, L.A. Bonouvrié, J. Harlaar, M.M. Van Der Krogt, A. Buizer
Auteur: Helga Haberfehlner, Ignazio Aleo, Johannes Gijsbers, Laura A. Bonouvrié, Jaap Harlaar, Marjolein M. van der Krogt, Annemieke.I. Buizer
Auteur: Inti Vanmechelen, Helga Haberfehlner, Laura Bonouvrié, Annemieke Buizer, Elegast Monbaliu
Auteur: van de Ven, Shankara, van der Burg, Sven, Huber, Florian, Georgievska, Sonja, Aleo, Ignazio, Haberfehlner, Helga
Auteur: den Hartog, Dylan, van der Krogt, Marjolein, van der Burg, Sven, Aleo, Ignazio, Gijsbers, Johannes, Bonovrié, Laura, Harlaar, Jaap, Buizer, Annemieke, Haberfehlner, Helga
Auteur: Helga Haberfehlner
Auteur: Helga Haberfehlner, Simone Berkelmans
Link: https://www.youtube.com/watch?v=hFU5C8UJ_9g
Auteur: Helga Haberfehlner, Laura Bonouvrié, Roderik Rotting
Auteur: den Hartog, Dylan, Marjolein M. van der Krogt, Sven van der Burg, Ignazio Aleo, Johannes Gijsbers, Laura A. Bonouvrié, Jaap Harlaar, Annemieke I. Buizer, and Helga Haberfehlner
Magazine: Sensors
Verslagen
Eindverslag
Het doel van het project MODYs@home was om een manier te ontwikkelen om dyskinesie (onwillekeurige bewegingen) thuis, en over een langere tijd, te meten. Hiervoor is binnen het project een app ontwikkeld (MODYS@home app). De MODYS@home app verzamelt continue data van draagbare sensoren (batterijduur sensoren is 6 uur). Deze kleine draagbaren sensoren worden met zachte bandjes aan beide armen en beide benen bevestigt. Ouders maken met de MODYS@home app in de thuis situatie video’s terwijl de kinderen en jongvolwassenen de sensoren dragen. In een pilotstudie is data van 12 deelnemers met dyskinetische cerebrale parese verzameld. De video’s zijn voor elke 5 seconden door 3 clinici beoordeeld op dystonia (onwillekeurige bewegingen en houdingen). Deze klinische beoordeling is gebruikt om een computermodel te trainen om de dystonia automatisch te detecteren in de sensordata. Er zijn modellen voor elk individu getraind en een model voor alle 12 deelnemers samen. De individuele modellen leveren een nauwkeurigheid van ongeveer 80% op, het gezamenlijke model een nauwkeurigheid van 40-50%. Voor klinisch gebruik is er een verbetering van de modellen met meer data nodig, maar de resultaten laten zien dat het mogelijk is om dyskinesie automatisch te beoordelen. Dit is veelbelovend om op termijn kinderen en jongvolwassenen met dyskinesie thuis te kunnen monitoren met draagbaren sensoren.
Resultaten van het project zijn gericht op (1) de klinische toepassing van MODYS@home in de toekomst en (2) verspreiding (wetenschappelijk en publiek) van het concept en de uitkomsten van de proof-of-concept fase.
Klinische toepassing:
- Beta versie MODYS@home app is ontwikkeld en getest op 12 patiënten.
- Gebruikersinstructie voor de MODYS@home app is ontwikkeld (video en folder).
- Concept plan voor implementatie van MODYS@home app in de klinische praktijk van de afdeling revalidatiegeneeskunde (Amsterdam UMC) (High level design – ICT infrastructure).
Verspreiding:
- Wetenschappelijk artikel over de uitkomsten van het verwerken van de resultaten door middel van machine learning.
- Presentaties over MODYS@home op wetenschappelijke conferenties (American Academy for Cerebral Palsy and Developmental Medicine (AACPDM), Australasian Academy of Cerebral Palsy (AusACPDM) European Acacdemy of Childhood Disabiltiy (EACD) and European Society for Movement Analysis in Adults and Children (ESMAC)).
- Publicatie datasets.
- Publicatie codes.
- Blog voor algemeen publiek over gebruik van machine learning voor de automatische bewegingsanalyse bij dyskinetische cerebrale parese.
- Film over MODYS@home vanuit het perspectief van de dokter, de patiënt en de wetenschapper.