Czy technologie ubieralne mogą wykrywać najwcześniejsze objawy autyzmu u niemowląt? Nowe badanie ma to sprawdzić

Wczesna identyfikacja zaburzeń ze spektrum autyzmu (ASD) pozostaje jednym z największych wyzwań współczesnej neurologii rozwojowej. Zespół badaczy z UCLA Health podejmuje próbę wykorzystania technologii ubieralnych do obiektywnego monitorowania subtelnych nieprawidłowości ruchowych u niemowląt, które mogą stanowić jedne z najwcześniejszych biomarkerów autyzmu. Projekt ten może znacząco zmienić paradygmat wczesnej diagnostyki i interwencji.

W artykule

• Znaczenie wczesnej diagnostyki autyzmu
• Rola zaburzeń motorycznych jako wczesnych markerów ASD
• Założenia i metodologia nowego badania UCLA
• Technologie ubieralne w monitorowaniu rozwoju niemowląt
• Potencjał uczenia maszynowego w analizie danych ruchowych
• Znaczenie badań dla praktyki klinicznej i opieki pediatrycznej

Wczesna identyfikacja autyzmu jako klucz do poprawy rokowania

Badacze z UCLA Health pracują nad opracowaniem nowej technologii ubieralnej, której celem jest wykrywanie jednych z najwcześniejszych, często pomijanych objawów autyzmu oraz innych zaburzeń neurorozwojowych u niemowląt. Projekt ten, finansowany grantem w wysokości 3,1 mln dolarów przyznanym przez National Institute of Neurologic Disorders and Stroke, ma charakter prospektywny i będzie realizowany przez okres pięciu lat.

Wczesna diagnoza oraz wdrożenie interwencji terapeutycznej są uznawane za dwa najważniejsze czynniki determinujące długoterminowe wyniki rozwojowe dzieci z ASD. Pomimo rosnącej wiedzy o prenatalnym początku zmian neurobiologicznych w autyzmie, identyfikacja kliniczna w pierwszych miesiącach życia pozostaje ograniczona.

Jak podkreśla dr Rujuta Wilson, neurolog dziecięcy i główna badaczka projektu, istnieje pilna potrzeba opracowania skalowalnych, obiektywnych wskaźników klinicznych umożliwiających wcześniejsze rozpoznanie zaburzeń rozwojowych zarówno w warunkach domowych, jak i ambulatoryjnych.

Zaburzenia motoryczne jako niedoszacowany marker neurorozwojowy

Jednym z najwcześniejszych sygnałów mogących wskazywać na rozwój autyzmu są zaburzenia motoryczne, takie jak trudności w koordynacji ruchowej czy manipulacji przedmiotami. Co istotne, problemy te występują co najmniej równie często jak zaburzenia językowe, a według niektórych analiz nawet częściej.

Pomimo ich znaczenia diagnostycznego, zaburzenia motoryczne są istotnie niedodiagnozowane i niedostatecznie leczone. Nawet w praktyce neurologii dziecięcej często ogranicza się ocenę do podstawowych kamieni milowych rozwoju ruchowego, takich jak siadanie czy raczkowanie. Takie podejście może prowadzić do przeoczenia subtelnych nieprawidłowości ruchowych o wysokiej wartości predykcyjnej dla ASD.

Nieleczone deficyty motoryczne mogą inicjować kaskadowe zaburzenia wpływające na eksplorację środowiska, interakcje społeczne oraz rozwój komunikacji i języka.

Projekt badania i zastosowanie technologii ubieralnych

Do badania zostanie włączonych około 120 niemowląt z grupy podwyższonego ryzyka rozwoju autyzmu, definiowanej jako obecność starszego rodzeństwa z rozpoznanym ASD.

W ramach projektu zastosowane zostaną miniaturowe sensory ruchu, przypominające urządzenia typu fitness tracker, umieszczane na nadgarstkach i kostkach dzieci. Urządzenia te będą integrowane z miękkimi, komfortowymi elementami odzieży, umożliwiając długotrwały monitoring ruchu w naturalnym środowisku domowym.

Rejestracja danych będzie prowadzona od 3. do 12. miesiąca życia, z ocenami wykonywanymi co trzy miesiące. Dodatkowo, w każdym punkcie czasowym będą przeprowadzane standaryzowane oceny behawioralne, a pełna diagnostyka ASD oraz innych zaburzeń rozwojowych zostanie wykonana w wieku 12 i 24 miesięcy.

Analiza danych i rola uczenia maszynowego

Kluczowym elementem projektu jest wykorzystanie zaawansowanych metod analizy danych, w tym algorytmów uczenia maszynowego, do identyfikacji wzorców ruchowych charakterystycznych dla wczesnych stadiów autyzmu.

Wcześniejsze badania zespołu dr Wilson wykazały, że zmienność ruchowa niemowląt może stanowić wysoce czuły i specyficzny marker predykcyjny późniejszego rozpoznania ASD. Obecny projekt ma na celu walidację tych wskaźników oraz opracowanie kompleksowego zestawu metryk ruchowych możliwych do zastosowania w rutynowej praktyce pediatrycznej.

Zastosowanie modeli predykcyjnych opartych na dużych zbiorach danych może umożliwić automatyzację procesu oceny i znacząco zwiększyć jego dostępność oraz powtarzalność.

Znaczenie dla praktyki klinicznej i opieki zdrowotnej

Jednym z istotnych założeń projektu jest maksymalna dostępność dla rodzin. Większość procedur badawczych może być realizowana w środowisku domowym, co eliminuje bariery logistyczne i zwiększa reprezentatywność badanej populacji.

Rodziny uczestniczące w badaniu otrzymają regularne informacje zwrotne dotyczące rozwoju dziecka oraz możliwość konsultacji z zespołem ekspertów. Takie podejście wpisuje się w model opieki skoncentrowanej na pacjencie i jego rodzinie.

Implementacja opracowanych narzędzi w standardowych wizytach pediatrycznych typu well-child visits może w przyszłości umożliwić systematyczny screening w kierunku zaburzeń neurorozwojowych już w pierwszym roku życia.

Perspektywy i dalszy rozwój badań

Badanie rozpoczęło się w styczniu i planowane jest jego zakończenie w grudniu 2030 roku. Jego wyniki mogą stanowić istotny krok w kierunku redefinicji standardów diagnostyki autyzmu.

Integracja technologii ubieralnych, analizy dużych zbiorów danych oraz uczenia maszynowego otwiera nowe możliwości w zakresie medycyny precyzyjnej w neurologii rozwojowej.

Jeżeli założenia projektu zostaną potwierdzone, możliwe będzie nie tylko wcześniejsze wykrywanie autyzmu, ale również wdrażanie spersonalizowanych interwencji terapeutycznych w krytycznych okresach rozwoju mózgu.

Źródło: University of California