Die Parkinson-Krankheit ist eine sich rapide ausbreitende und nach der Alzheimer-Demenz die zweithäufigste neurodegenerative Erkrankung. Die weltweit zunehmende Prävalenz erfüllt alle Merkmale einer Pandemie, ausgenommen der infektiösen Ursache. In den letzten Jahrzehnten wurden durch traditionelle klinische Studien große Fortschritte erzielt. Der technische Fortschritt ermöglicht zusätzlich neue Vorgehensweisen. Unser Ziel ist es, maschinelles Lernen zu nutzen, um neue Ansätze in der Behandlung sowie in der Diagnostik von Parkinson zu erforschen.

In unserem Forschungsprojekt ParkProReakt verbessern wir die Lebensqualität von Parkinson-Patienten durch Monitoring des Krankheitsverlaufes mithilfe von Wearables. Ärzte sehen ihre Patienten selten, sodass ihre Diagnosen auf einer Momentaufnahme des aktuellen Zustandes des Patienten basieren müssen. Im ParkProReakt erfassen wir Sensordaten von Parkinson-PatientInnen, die mithilfe von Machine Learning Algorithmen verarbeitet werden und dem Arzt ein kontinuierliches Bild über Veränderungen des Krankheitsverlaufes und den Gesundheitszustand seiner PatientInnen bietet.

In Zusammenarbeit mit Prof. Christine Klein (Institut für Neurogenetik, Universität zu Lübeck) entwickeln wir beispielsweise eine Plattform, an der PatientInnen den Subtypen ihrer Parkinson-Erkrankung bestimmten können. Da die zu empfehlende Behandlung und der sich darauf einzustellende Krankheitsverlauf stark vom Subtyp abhängt, ist es für Parkinson-PatientInnen entscheidend, ihren Subtyp möglichst zeitig zu identifizieren. Unsere Machine Learning Algorithmen prognostizieren den Parkinson-Subtyp von PatientInnen anhand demografischer Informationen und vorhandener Symptome.

Ansprechpartner

Dr.-Ing. Xinyu Huang

Drittmittelprojekte

G-BA Projekt: ParkProReakt - Proaktive statt reaktive Symptomerkennung bei Parkinson-PatientInnen. Laufzeit: 01.01.2022 - 31.12.2024.

Website

https://parkpro.parkinson-marburg.de/