Phân tích bản vẽ được sử dụng để phát hiện, phân loại bệnh Parkinson

Phát hiện sớm bệnh Parkinson trong quá trình bệnh là một vai trò quan trọng đối với các bác sĩ chăm sóc sức khỏe ban đầu vì nhiều lựa chọn điều trị chỉ có hiệu quả trong giai đoạn đầu của bệnh.

Thật không may, việc xác định chẩn đoán Parkinson có thể là một thách thức. Giờ đây, các nhà nghiên cứu Úc đã phát triển một hệ thống tự động sáng tạo để đánh giá khả năng vẽ hình xoắn ốc của một người trên một tờ giấy.

Phân tích về thời gian vẽ vòng xoắn ốc và mức độ ấn mạnh của một người lên tờ giấy có thể giúp phát hiện bệnh Parkinson và xác định mức độ nghiêm trọng của bệnh.

Bệnh Parkinson là một chứng rối loạn thoái hóa thần kinh gây run, cứng cơ và khó đi lại, bệnh Parkinson ảnh hưởng đến khoảng một triệu người ở Hoa Kỳ và hơn bốn triệu người trên toàn thế giới. Khoảng 60.000 người được chẩn đoán mỗi năm ở Hoa Kỳ.

Sự hiểu biết về mức độ nghiêm trọng của bệnh giúp các bác sĩ đưa ra quyết định điều trị đúng đắn và theo dõi sự tiến triển của các triệu chứng. Các nhà điều tra cho rằng một cách góp phần chẩn đoán Parkinson là khả năng sử dụng bút của bệnh nhân.

Một số triệu chứng nhất định xuất hiện sớm trong bệnh, chẳng hạn như cứng nhắc, có thể cản trở khả năng viết hoặc phác thảo của bệnh nhân. Chữ viết tay có thể bị ảnh hưởng bởi trình độ học vấn và trình độ ngôn ngữ của một người, vì vậy, một giải pháp thay thế tốt hơn là phác thảo một hình dạng, chẳng hạn như hình xoắn ốc.

Tuy nhiên, một nhược điểm của phương pháp này là chỉ có chuyên gia mới có thể giải thích các bản phác thảo, và ngay cả các chuyên gia cũng được thử thách để đánh giá mức độ nghiêm trọng của bệnh từ các bản phác thảo, đặc biệt là ở giai đoạn đầu của bệnh.

Nghiên cứu trước đây đã phát hiện ra rằng bệnh nhân Parkinson có xu hướng di chuyển bút chậm hơn khi phác thảo và họ cũng sử dụng ít áp lực hơn trên trang. Mặc dù những yếu tố này hữu ích để biết ai đó có bị Parkinson hay không, nhưng cho đến nay các nhà nghiên cứu vẫn chưa thể đánh giá một cách đáng tin cậy mức độ nghiêm trọng của bệnh của một người nào đó bằng cách sử dụng tốc độ hoặc áp lực của bút.

Trong nghiên cứu mới, các nhà nghiên cứu bắt đầu phát triển một hệ thống tự động để góp phần chẩn đoán Parkinson và đánh giá mức độ nghiêm trọng của nó, từ sự thoải mái của văn phòng bác sĩ cộng đồng.

Poonam Zham, một nhà nghiên cứu tham gia nghiên cứu cho biết: “Mục đích của chúng tôi là phát triển một hệ thống điện tử tự động và giá cả phải chăng để chẩn đoán giai đoạn đầu của bệnh Parkinson, có thể được sử dụng dễ dàng bởi bác sĩ cộng đồng hoặc nhân viên điều dưỡng”.

Các nhà nghiên cứu đã phát triển phần mềm chuyên dụng và kết hợp nó với một máy tính bảng có thể đo tốc độ viết và một chiếc bút có thể đo áp lực trên trang. Họ đã sử dụng hệ thống để đo tốc độ và áp lực của bút trong một nhiệm vụ phác thảo hình xoắn ốc đơn giản trên một mẫu gồm những người tình nguyện khỏe mạnh và bệnh nhân Parkinson với các mức độ nghiêm trọng của bệnh khác nhau.

Trong lần đầu tiên trên thế giới, hệ thống cũng kết hợp toán học giữa tốc độ và áp lực bút vào một phép đo, mà nhóm nghiên cứu gọi là Chỉ số tổng hợp về tốc độ và điểm áp lực bút (CISP).

Hệ thống đo tốc độ bút chậm hơn, áp lực bút và điểm CISP ở bệnh nhân Parkinson, so với những người tình nguyện khỏe mạnh và cả ba phép đo đều cho biết rõ liệu một người tham gia có bị Parkinson hay không.

Về bản chất, tốc độ và áp lực của bút không đủ khác biệt giữa những bệnh nhân có mức độ nghiêm trọng khác nhau của Parkinson, để hệ thống phân biệt giữa chúng.

Tuy nhiên, bằng cách sử dụng điểm số CISP mới, hệ thống có thể cho biết liệu bệnh nhân bị Parkinson cấp độ một hay cấp độ ba, bằng cách sử dụng thang điểm mức độ bệnh cụ thể.

Zham cho biết: “Hệ thống có thể tự động đưa ra chẩn đoán chính xác về bệnh Parkinson và cũng có thể được các bác sĩ cộng đồng sử dụng để theo dõi hiệu quả của việc điều trị đối với căn bệnh này.

“Thiết bị đơn giản này có thể được các bác sĩ cộng đồng sử dụng để khám định kỳ cho bệnh nhân của họ vài năm một lần sau khi bệnh nhân trên tuổi trung niên.”

Nguồn: Frontiers / EurekAlert

!-- GDPR -->