NeuroNetzwerk 16

Projekttitel: Diagnostic Glove: Disease diagnosis in daily life from wearable kinematics Projektleiter: Esther Kühn, Elena Azañón, Stefanie Schreiber, Christoph Reichert

In der Klinik erhobene Daten sind oft weniger aussagekräftig als Ärzte es sich wünschen. Dies liegt nicht nur an der limitierten Anzahl von Tests, sondern auch an subjektiven Einflussfaktoren, wie der Arzt-Patienten-Beziehung oder der Erfahrung des Arztes. Quantitative Daten über das Verhalten des Patienten in der Häuslichkeit sind oft nicht verfügbar, was ein Problem darstellt, insbesondere für die Diagnose motorischer Störungen. In diesem Projekt planen wir, neueste Erkenntnisse aus der Grundlagenforschung über das “real life tracking” von Handfunktionen zu verwenden um ein neues Medizinprodukt zu entwickeln, den “Diagnostic Glove”. Dieser soll Ärzten helfen, Pathologien der oberen Extremitäten einfacher zu diagnostizieren, im Verlauf zu bewerten und zur Klassifizierung motorischer Erkrankungen heranzuziehen. Für die Initialisierung des Projektes bearbeiten wir ein häufiges, aber im klinischen Alltag schwierig zu lösendes Problem: die Unterscheidung zwischen Amyotropher Lateralsklerose (ALS), Einschlusskörpermyositis (IBM) und monomelischer Amyotrophie (MMA). Alle drei Erkrankungen zeichnen sich durch eine Beteiligung der oberen Extremitäten aus, die allerdings in frühen Erkrankungsstadien schwer zu unterscheiden sein kann.

Das hier vorgeschlagene Projekt setzt sich zum Ziel (i) zu zeigen, dass der Diagnostic Glove verwendet werden kann, um klinisch-relevante Veränderungen der Handmotorik zu klassifizieren, (ii) Algorithmen zu entwickeln, die reliabel zwischen ALS, IBM und MMA unterscheiden können und (iii) ein Patent für die Software, als ersten Schritt für die Kommerzialisierung des Produktes, zu erhalten. Dieses Projekt folgt einem Trend in der Medizin, in dem neue Produkte entwickeln werden, die es erlauben, Patientenverhalten im realen Leben zu erfassen. Diese “Medizin zum Mitnehmen” verspricht neue, automatisierte Therapieverfahren, die auf Big Data und Analysealgorithmen basieren um die medizinische Diagnose evidenzbasierter und quantitativer zu gestalten.