Het primaire doel is de ontwikkeling van een computerondersteund diagnose instrument (CAD-tool) die neurologen helpt bij het stellen van de diagnose, behandeling, en evaluatie van hyperkinetische bewegingsstoornissen. De secundaire doelen zijn:1) om…
ID
Bron
Verkorte titel
Aandoening
- Neurologische aandoeningen, congenitaal
- Bewegingsstoornissen (incl. parkinsonisme)
Synoniemen aandoening
Betreft onderzoek met
Ondersteuning
Onderzoeksproduct en/of interventie
Uitkomstmaten
Primaire uitkomstmaten
Tijdens een bezoek aan het UMCG of op een externe locatie, worden de deelnemers
gevraagd naar een aantal klinische parameters, zoals leeftijd bij aanvang van
de stoornis, zullen een aantal vragenlijsten invullen over non-motore
symptomen, en zullen ze een aantal simpele motorische taken uitvoeren. Deze
taken worden vastgelegd op 3D video en geregistreerd met behulp van bewegings-
en spieractivatie sensoren. De video opnames en klinische parameters worden
geëvalueerd door internationale experts voor fenotypering. Ook wordt de data,
samen met FDG-PET en fMRI, gebruikt voor patroonherkenning om fenotype
specifieke dataclusters te ontdekken die gebruikt worden voor de ontwikkeling
van CAD modellen die de bewegingsstoornissen kunnen onderscheiden. Algoritmes,
data kwaliteitsbeoordeling, discriminerende parameters, classificatie training
en validatie worden toegepast met behulp van deze dataclusters in machine
learning.
Secundaire uitkomstmaten
Ook worden de discrepanties tussen de CAD-tool en de klinische experts
geanalyseerd om de CAD-tool te verbeteren en kennis te vergroten over de
klinische beoordeling.
Verder worden de pathofysiologische hersennetwerken van dystonie, tremor, en
myoclonus geanalyseerd door fenotypes te linken aan regionale veranderingen van
hersenpatronen.
Tot slot zal er gekeken worde of de regionale veranderingen in hersenpatronen
fenotype of genotype specifiek zijn in myoclonus dystonie.
Achtergrond van het onderzoek
Hyperkinetische bewegingsstoornissen zijn gekarakteriseerd door overtollige en
onvrijwillige bewegingen, voorbeelden hiervan zijn dystonie, myoclonus en
tremor. Ieder type bewegingsstoornis heeft haar eigen klinische presentatie,
maar er komen vaak complexe combinaties van meerdere bewegingsstoornissen voor.
Daardoor kunnen vaak alleen zeer gespecialiseerde experts bewegingsstoornissen
correct classificeren. Maar ook deze experts zijn het vaak niet met elkaar eens
over de diagnose, waardoor veel patiënten geen goede beschrijving (fenotype)
van hun stoornis hebben. Een incorrecte fenotypering kan grote gevolgen hebben
voor de diagnose, evaluatie van de bewegingsstoornis, het leveren van de juiste
behandeling, en het evalueren van behandeleffecten.
Doel van het onderzoek
Het primaire doel is de ontwikkeling van een computerondersteund diagnose
instrument (CAD-tool) die neurologen helpt bij het stellen van de diagnose,
behandeling, en evaluatie van hyperkinetische bewegingsstoornissen. De
secundaire doelen zijn:
1) om overeenkomsten en discrepanties tussen de fenotypering van de CAD-tool en
klinische experts te analyseren. Op die manier kunnen we leren waar en wanneer
er verschillen ontstaan tussen beide en de kennis van fenotypering tijdens de
klinische beoordeling bij bewegingsstoornissen vergroten.
2) Om verdere optimalisatie van de classificatie van dystonie, tremor,
myoclonus, en gemixte fenotypes te krijgen door beeldvorming patronen toe te
voegen aan het machine learning algoritme.
3) Om inzicht te krijgen in de pathofysiologische hersennetwerken van dystonie,
tremor, en myoclonus fenotypes door de fenotypes te linken aan regionale
veranderingen in hersenfuncties.
4) Om te bestuderen of regionale veranderingen in hersennetwerken fenotype of
genotype specifiek zijn in myoclonus dystonie.
Onderzoeksopzet
De studie is een cross-sectioneel translationeel onderzoek die zich focust op
de ontwikkeling van een CAD-tool voor hyperkinetische bewegingsstoornissen. De
studie bestaat uit een pilot studie, deel A, B, en C waarin verschillende
patiëntengroepen geïncludeerd worden. Tijdens de pilot zullen de meest
discriminerende taken geselecteerd worden voor deel A en B. Deel C bestaat uit
FDG-PET en MRI beeldvorming.
Inschatting van belasting en risico
Het risico van deel A en B van de studie is minimaal omdat er geen invasieve
apparaten gebruikt worden en de taken die uitgevoerd moeten worden niet erg
belastend zijn. Deelnemers hebben geen direct voordeel van deelname aan de
studie. Echter kan de CAD-tool in de toekomst wel zorgen voor een snellere
correcte diagnose voor nieuwe patiënten. Daarnaast kan de CAD tool ook gebruikt
worden voor evaluatie van behandeling, wat voordelig kan zijn voor de
deelnemers. Het risico van deelname aan deel C van de studie is verwaarloosbaar
en de belasting is acceptabel aangezien er veel ervaring is met de scans in de
diagnostiek van patiënten met bewegingsstoornissen en significantie bijwerken
zijn niet bekend.
Publiek
Hanzeplein 1
Groningen 9700 RB
NL
Wetenschappelijk
Hanzeplein 1
Groningen 9700 RB
NL
Landen waar het onderzoek wordt uitgevoerd
Leeftijd
Belangrijkste voorwaarden om deel te mogen nemen (Inclusiecriteria)
- 16 jaar of ouder
- klinisch bevestigde diagnose van één van de zeven geïncludeerde fenotypes
(dystonie, tremor, myoclonus, tics, chorea, spasticiteit, ataxie) OF gemixte
fenotypes OF gezonde controles.
- voor kinderen in deel A en B, 6 jaar of ouder
Belangrijkste redenen om niet deel te kunnen nemen (Exclusiecriteria)
- Andere neurologische aandoeningen die leiden tot problemen met bewegen,
anders da hyperkinetische bewegingsstoornissen.
- Andere aandoenigen die leiden tot aangedane hand of arm functie.
- Met betrekking tot de gezonde deelnemers: geen eerstelijns familieleden met
een hyperkinetische bewegingsstoornis.
- Zilver allergie
- Pacemakers
- Voor kinderen: geen instructies kunnen volgen
Opzet
Deelname
Opgevolgd door onderstaande (mogelijk meer actuele) registratie
Geen registraties gevonden.
Andere (mogelijk minder actuele) registraties in dit register
Geen registraties gevonden.
In overige registers
Register | ID |
---|---|
CCMO | NL67013.042.18 |