Chẩn đoán bệnh lý parkinson dựa vào phân tích chuyển động thông qua dữ liệu cảm biến lực gắn ở bàn chân

Các triệu chứng không vận động có ở nhiều bệnh nhân trước khi khởi phát PD, nhưng việc đánh giá PD dựa vào các triệu chứng không vận động thiếu tính đặc hiệu, phức tạp và/hoặc có thể dẫn

TRƯỜNG ĐẠI HỌC Y DƯỢC

 - -

NGUYỄN ĐỨC QUANG THỌ

CHẨN ĐOÁN BỆNH LÝ PARKINSON DỰA VÀO PHÂN TÍCH CHUYỂN ĐỘNG THÔNG QUA DỮ LIỆU CẢM BIẾN LỰC GẮN Ở BÀN CHÂN

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC NGÀNH DƯỢC HỌC

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC Y DƯỢC

 - -

Người thực hiện: NGUYỄN ĐỨC QUANG THỌ

CHẨN ĐOÁN BỆNH LÝ PARKINSON DỰA VÀO PHÂN TÍCH CHUYỂN ĐỘNG THÔNG QUA DỮ LIỆU CẢM BIẾN LỰC GẮN Ở BÀN CHÂN

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC NGÀNH DƯỢC HỌC

Khóa: QH.2017.Y

Cán bộ hướng dẫn 1: ThS BS Lê Đình Khiết

Cán bộ hướng dẫn 2: ThS BSNT Trần Tiến Đạt

LỜI CẢM ƠN

Em là Nguyễn Đức Quang Thọ, sinh viên Khóa QH.2017.Y Lời đầu tiên em xin gửi lời cảm ơn đến toàn thể Ban Giám hiệu Trường Đại học Y Dược, Đại học Quốc Gia Hà Nội và Bộ môn Y Dược học cơ sở đã tạo điều kiện cho em được làm khóa luận tốt nghiệp Em xin chân thành cảm ơn các thầy cô giáo trong trường đã dìu dắt, giúp đỡ em hoàn thành chương trình học tập suốt 5 năm qua

Em xin bày tỏ lòng biết ơn sâu sắc và tri ân đến ThS Lê Đình Khiết và ThS Trần Tiến Đạt, những người đã luôn tận tình hướng dẫn, tạo điều kiện giúp đỡ em hoàn thành khóa luận

Cuối cùng em xin gửi lời cảm ơn tới gia đình, bạn bè và người thân đã luôn quan tâm, động viên giúp em hoàn thành khóa luận này

Dù đã rất cố gắng, nhưng lần đầu làm nghiên cứu em khó tránh khỏi những thiếu sót Em rất mong nhận được ý kiến đóng góp của các thầy cô để khoá luận của

em thêm hoàn thiện

Em xin chân thành cảm ơn!

Hà Nội, ngày 20 tháng 05 năm 2022

Nguyễn Đức Quang Thọ

DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT

(Giá trị đơn)

hoạt động)

Var_COP

RQA

Thuộc tính dao động trung tâm áp lực Recurrence Quantification Analysis (Phân tích định lượng tái phát)

DANH MỤC BẢNG

Bảng 2.1 Tổng quan dữ liệu các đối tượng tham gia nghiên cứu 12 Bảng 2.2 Bảng mô tả dữ liệu thu thập được từ cảm biến lực gắn ở bàn chân của một bệnh nhân (Đơn vị: N) 13 Bảng 2.3 Tọa độ của các cảm biến dưới đế giày 13 Bảng 2.4 Ma trận lỗi……….18 Bảng 3.1 Tổng quan giá trị var_COP của từng nhóm người tham gia nghiên cứu 20Bảng 3.2 p_value khi phân biệt các nhóm người tham gia 21

DANH MỤC HÌNH

Hình 1.1 Triệu chứng vận động trong Parkinson 5

Hình 2.1 Vị trí gắn các cảm biến lực 13

Hình 2.2 Lực chân trái 14

Hình 2.3 Lực chân phải 15

Hình 2.4 Tổng lực mỗi chân 15

Hình 2.5 Tổng lực hai chân 16

Hình 3.1 Biểu đồ biểu diễn chỉ số var_COP của 4 nhóm 20

Hình 3.2 Ma trận lỗi khi phân biệt CO và PD 22

Hình 3.3 Ma trận lỗi khi phân biệt CO và PD (HY= 2) 22

MỤC LỤC

LỜI CẢM ƠN

DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT

DANH MỤC BẢNG

DANH MỤC HÌNH

ĐẶT VẤN ĐỀ 1

CHƯƠNG 1: TỔNG QUAN 3

1.1 Bệnh Parkinson 3

1.2 Phân biệt bệnh Parkinson và hội chứng Parkinson 3

1.3 Triệu chứng 4

1.4 Phân loại bệnh Parkinson 6

1.5 Nguyên nhân của Parkinson 6

1.6 Dấu ấn sinh học chẩn đoán Parkinson 7

1.7 Các nghiên cứu liên quan 8

1.8 Ý nghĩa của nghiên cứu 11

CHƯƠNG 2: ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 12

2.1 Đối tượng nghiên cứu 12

2.2 Tiến trình nghiệm pháp 12

2.3 Phương pháp nghiên cứu 16

2.4 Các phần mềm sử dụng trong nghiên cứu 19

CHƯƠNG 3: KẾT QUẢ 20

3.1 Thuộc tính dao động áp lực trung tâm: var_COP 20

3.2 T - test phân tích sự khác biệt về thuộc tính var_COP giữa các nhóm đối tượng ……….21

3.2.1 Phân biệt CO và PD 21

3.2.2 Phân biệt các giai đoạn của bệnh 21

3.3 Đánh giá khả năng chẩn đoán bệnh lý Parkinson dựa vào var_COP 21

3.3.1 Chẩn đoán CO và PD 21

3.3.2 Chẩn đoán CO và PD (HY=2) 22

3.3.3 Tham số của mô hình Logistic 22

CHƯƠNG 4: BÀN LUẬN 24

4.1 Về đối tượng nghiên cứu 24

4.2 Thuộc tính var_COP 24

4.3 Đánh giá khả năng chẩn đoán bệnh lý Parkinson dựa vào var_COP 24

4.4 So sánh với các nghiên cứu liên quan 25

KẾT LUẬN 27

1 Thuộc tính var_COP 27

2 Đánh giá khả năng chẩn đoán PD dựa vào thuộc tính var_COP 27

3 Đề xuất 27 TÀI LIỆU THAM KHẢO

ĐẶT VẤN ĐỀ

Bệnh Parkinson (PD) là một trong những vấn đề sức khỏe đã và đang được đặc biệt quan tâm Bệnh Parkinson khá phổ biến và tạo ra gánh nặng lớn về kinh tế cho toàn xã hội Theo báo cáo của WHO, tỷ lệ mắc PD trên thế giới dao động từ 4,5 đến 19 trên 100.000 dân mỗi năm Bệnh là một rối loạn thoái hóa thần kinh phổ biến thứ 2 sau Alzheimer, với tỷ lệ mắc ở các nước phát triển vào khoảng 0,3% dân số Tỷ

lệ này tăng dần theo độ tuổi, từ 1% ở những người trên 60 tuổi lên 4% ở những người trên 80 tuổi Tại Việt Nam, tỷ lệ mắc bệnh Parkinson so với các bệnh thần kinh khác

là khoảng 1,6% Khi dân số thế giới đang già đi, tỷ lệ người bệnh PD được dự kiến

là sẽ tăng lên đáng kể, có thể gấp đôi trong hai thập kỷ tới Chi phí xã hội cho bệnh Parkinson rất cao, ở Vương Quốc Anh là khoảng 3,3 tỉ bảng Anh, tại Hoa Kỳ chi phí cho mỗi bệnh nhân PD vào khoảng 100.000 đô la, với tổng gánh nặng kinh tế khoảng

23 tỉ đô la Ngoài ra, hiện nay chúng ta chưa thể chữa được bệnh Parkinson mà chỉ điều trị triệu chứng và làm chậm lại quá trình thoái hóa Và do vậy, việc làm thế nào

để có thể chẩn đoán sớm bệnh là một nhiệm vụ quan trọng cho quá trình điều trị từ

đó kéo dài cuộc sống bình thường của bệnh nhân

Yêu cầu để giảm thiểu hệ quả do bệnh Parkinson là điều trị dự phòng bằng cách dự đoán được khả năng mắc bệnh, đặc biệt là ở giai đoạn sớm để hạn chế các tai biến liên quan đến chấn thương Tuy nhiên, việc chẩn đoán sớm Parkinson trên lâm sàng gặp nhiều thách thức do ở giai đoạn này các triệu chứng lâm sàng còn mờ nhạt Thông thường khi bệnh nhân đến bệnh viện thì Hoehn-Yahr (HY) đã ở từ giai đoạn

2 Bên cạnh đó, quy trình khám để chẩn đoán xác định Parkinson trên lâm sàng cần nhiều thời gian (khoảng 2 giờ/1 ca) và tuân thủ các hệ thống thang điểm đánh giá phức tạp như: Hệ thống Hoehn-Yahr (thang đo chủ quan phổ biến nhất được sử dụng trên toàn thế giới), thang điểm thống nhất đánh giá bệnh Parkinson UDPRS, khảo sát sức khỏe SF-12,thang đo hiệu quả ngắn hạn quốc tế Short FES-I,thang đo tương tự hình ảnh VAS về mức độ đau Tại Việt Nam, việc chẩn đoán PD dựa vào các tiêu chuẩn chẩn đoán lâm sàng bệnh Parkinson của Movement Disorder Society Clinical Diagnostic Criteria for PD (MDS) Mặc dù đã thiết lập các mốc cơ bản của PD trong các đánh giá lâm sàng, nhưng hầu hết các thang đánh giá đang được sử dụng đánh giá mức độ nghiêm trọng của bệnh vẫn chưa được xác nhận đầy đủ Các triệu chứng không vận động có ở nhiều bệnh nhân trước khi khởi phát PD, nhưng việc đánh giá

PD dựa vào các triệu chứng không vận động thiếu tính đặc hiệu, phức tạp và/hoặc có thể dẫn đến chẩn đoán nhầm lẫn với các bệnh khác Chính vì vậy, tìm ra các phương

pháp chẩn đoán sớm PD với tỷ lệ chính xác cao là một vấn đề cấp thiết Việc sử dụng khoa học dữ liệu phục vụ chẩn đoán Parkinson được xem là giải pháp cho vấn đề này, trên cơ sở kết hợp khả năng phân tích nhanh chóng từ máy tính, kiến thức y học và

tư duy con người để phát triển một mô hình dự đoán PD chính xác và nhanh chóng dựa vào những dữ liệu thu thập được

Gần đây, cùng với các tiến bộ vượt bậc của con người trong khoa học – công nghệ, việc áp dụng khoa học dữ liệu trong y học đang ngày càng được chú ý và đẩy mạnh nhờ vào tính hiệu quả của lĩnh vực này Việc ứng dụng khoa học dữ liệu vào chẩn đoán bệnh Parkinson có thể giúp chúng ta chẩn đoán nhanh và chính xác, góp phần hỗ trợ nhân viên y tế trong việc đưa ra quyết định điều trị và chăm sóc sức khỏe cho bệnh nhân, đồng thời hạn chế các sai sót Khi ứng dụng khoa học dữ liệu việc hoàn thiện phương pháp, cải thiện tính chính xác của các chẩn đoán diễn ra một cách nhanh chóng và dễ dàng hơn

Nhờ những ưu điểm trên, ứng dụng khoa học dữ liệu trong chẩn đoán bệnh Parkinson là một hướng tiếp cận rất có tiềm năng Trong thời gian gần đây, nhiều nghiên cứu đã được xây dựng để đưa ra chẩn đoán sớm Parkinson đặc biệt là các nghiên cứu chẩn đoán dựa vào những dữ liệu chuyển động vật lý đơn giản Tuy nhiên, việc áp dụng khoa học dữ liệu đối với chẩn đoán sớm Parkinson đòi hỏi cần tìm ra các dấu hiệu về lý sinh học đặc hiệu để đảm bảo tính chính xác của chẩn đoán Vì

vậy, chúng tôi thực hiện nghiên cứu “Chẩn đoán bệnh lý Parkinson dựa vào phân tích chuyển động thông qua dữ liệu cảm biến lực gắn ở bàn chân” với 2 mục tiêu

sau:

 Mục tiêu 1: Bước đầu phân tích dữ liệu từ cảm biến gắn ở bàn chân và tìm ra

các dấu hiệu về lý sinh học giúp nhận biết sớm bệnh lý Parkinson

 Mục tiêu 2: Đánh giá khả năng chẩn đoán bệnh lý Parkinson dựa vào thuộc

tính được trích xuất

CHƯƠNG 1: TỔNG QUAN

Bệnh Parkinson là một bệnh thoái hóa thần kinh phức tạp, tiến triển, đặc trưng bởi rối loạn vận động não, run, cứng và mất ổn định tư thế [11, 12] Bệnh được James Parkinson mô tả lần đầu tiên trong bài báo “Essay on the Shaking Palsy” của ông vào năm 1817 Kể từ đó đến nay đã có nhiều tác giả nghiên cứu về Parkinson Năm 1912, Lewy đã mô tả các thể vùi trong bào tương của tế bào thần kinh ở bệnh nhân Parkinson Đến mãi những năm 1960 người ta đã chú ý đến Dopamin và vai trò dẫn truyền thần kinh ở chất này, từ đó cơ chế bệnh sinh của PD dần được sáng tỏ

Hội chứng parkinson gây ra các triệu chứng giống như bệnh Parkinson (ví dụ, run tĩnh trạng, cứng, giảm vận động, tư thế không ổn định) Để phân biệt được rõ ràng giữa bệnh Parkinson và hội chứng Parkinson là một điều rất khó khăn, và việc chẩn đoán đúng bệnh thường chỉ được thực hiện cho đến khi các triệu chứng đã ở giai đoạn tiến triển nặng Tuy nhiên, các bác sỹ vẫn có thể đánh giá mức độ và tình trạng bệnh dựa vào việc khai thác tiền sử của bệnh nhân cùng các kết quả lâm sàng sau khi tiến hành một số xét nghiệm chẩn đoán

Khai thác tiền sử: Bệnh nhân cần khai báo một cách trung thực, tỉ mỉ, chính xác những triệu chứng mà họ đã và đang gặp phải, cũng như loại thuốc hiện đang còn

sử dụng hay tiền sử gia đình có ai bị bệnh tương tự hay không

Kiểm tra vận động của cơ thể: bằng cách yêu cầu bệnh nhân ngồi xuống, đứng lên, đi lại, giơ tay chân ra phía trước hoặc lên cao, xuống thấp Người bệnh bị nghi ngờ bệnh Parkinson khi có ít nhất hai trong số các triệu chứng được miêu tả trước đó

là run tay chân khi thả lỏng nghỉ ngơi, khó khăn trong vận động, cứng đờ và bất thường trong dáng đi

Quét não MRI: được xem là có hiệu quả trong việc xác định điểm khác biệt nổi bật giữa từng thể bệnh bởi nó cho thấy sự phân bố bất thường của nồng độ Dopamin trong não McFarland nhận định: “Trong bệnh Parkinson chúng ta sẽ biết được chính xác vị trí não bị thoái hóa, còn đối với hội chứng Parkinson thì não bộ thường bị tổn thương trên diện rộng” Ông cũng cho biết thêm, việc xác định mô hình chung của sự rối loạn chức năng tương ứng với vùng não bị tổn thương giữa bệnh Parkinson và hội chứng Parkinson cũng có thể giúp phát hiện ra bệnh ngay từ giai đoạn sớm

Chẩn đoán phân biệt chính xác bệnh Parkinson bằng cách thử thuốc: Levodopa

- tiền thân của Dopamine sẽ được cân nhắc sử dụng, sau đó theo dõi quá trình đáp ứng của người bệnh với thuốc trong một thời gian quy định Nếu bệnh nhân bị Parkinson, chắc chắn trong giai đoạn đầu họ sẽ đáp ứng rất tốt với thuốc điều trị trong khi hội chứng Parkinson thì ngược lại, biện pháp dùng thuốc gần như không giúp cải thiện được tình trạng bệnh

Sau sự khởi phát của các triệu chứng không vận động, các triệu chứng vận động dần xuất hiện trong PD Các triệu chứng vận động được biết đến: run, co cứng

cơ, chậm, mất cân bằng khi di chuyển, cử động Các nhà khoa học đã ước tính rằng

có tới 80% tế bào dopaminergic trong hệ thống thể vân nigro bị mất trước khi các triệu chứng vận động cơ bản của PD bắt đầu xuất hiện [10] Sự chậm chạp khi bắt đầu các chuyển động tự nguyện với sự giảm dần tốc độ và biên độ của các hành động lặp đi lặp lại (bradykinesia) kèm theo một triệu chứng bổ sung là cứng cơ, run khi nghỉ hoặc mất ổn định tư thế [21] Trong hầu hết các trường hợp, các triệu chứng bắt đầu ở một bên của cơ thể, sau đó vài năm các triệu chứng bắt đầu xuất hiện ở hai bên

Tư thế cơ thể trở nên khom lưng, có hiện tượng cứng trục và chân tay, có xu hướng dáng đi loạng choạng và không vung tay khi đi bộ Sự rối loạn vận động có thể dẫn đến khuôn mặt đơ cứng (hypomimia) và biên độ viết tay trở nên nhỏ hơn (micrographia) Khoảng 80% bị run tay chân, phổ biến nhất là run tay khi nghỉ ngơi

Một phần tư đến 60% bệnh nhân thường bị đóng băng các cử động sau vài năm kể từ khi khởi phát [28] Sự mất ổn định tư thế có thể xẩy ra sớm hoặc muộn trong quá trình bệnh và điều này sẽ dẫn đến té ngã và chấn thương Rối loạn vận động miệng rất phổ biến

Rối loạn giọng nói như nói rất vội vã xảy ra ở hơn một nửa số bệnh nhân [23], các vấn đề về nuốt đã được báo cáo ở 40–80% và một phần tư số bệnh nhân báo cáo chảy nước bọt [22]

Một triệu chứng vận động khác trong PD là rối loạn trương lực cơ Các rối loạn dự báo chẩn đoán điển hình bao gồm tư thế bàn chân ngang một bên, cánh tay trên - cẳng tay hoặc cẳng tay - bàn tay, chuột rút, loạn trương lực cơ hàm dưới, vẹo

cổ hoặc sự kết hợp khác nhau của các triệu chứng này [27] Trong phần lớn các trường hợp, các triệu chứng PD xuất hiện trong vòng 10 năm kể từ khi bắt đầu loạn trương lực cơ Trong điều trị PD, loạn trương lực cơ, cùng với rối loạn vận động, tạo thành một trong những biến chứng vận động chính liên quan đến điều trị mãn tính, thường xảy ra như một hiện tượng ngoài chu kỳ, nhưng có thể biểu hiện dưới dạng loạn trương lực hai pha [27] Dị dạng tư thế cũng là một trong biến chứng thường xuyên của bệnh Parkinson Những dị tật này bao gồm tư thế cơ thể bị uốn cong bất thường với sự uốn cong bắt nguồn từ cột sống ngực hoặc thắt lưng (camptocormia), uốn cong

về phía trước của đầu và cổ (antecollis) và cong vẹo cột sống, tức là, một đường cong bên của cột sống thường kết hợp với xoay đốt sống [13] Sinh lý bệnh của những dị tật này có thể đa yếu tố và có thể bao gồm cứng khớp, loạn trương lực cơ, bệnh cơ và suy giảm chức năng trung ương

Hình 1.1 Triệu chứng vận động trong Parkinson

(http://benhvien108.vn/y-hoc-thuong-thuc/mot-so-dieu-can-biet-ve-benh-parkinson.htm)

1.4 Phân loại bệnh Parkinson

Trong nghiên cứu này chúng tôi sử dụng thang điểm Hoehn và Yahr (HY) để phân loại PD HY là thang điểm đánh giá lâm sàng được sử dụng rộng rãi, nhằm phân loại các chức năng vận động trong bệnh Parkinson Một trong những ưu điểm của thang đo HY là đơn giản và dễ sử dụng Nó ghi lại các mô hình suy giảm vận động tiến triển điển hình có thể được áp dụng cho dù bệnh nhân có đang điều trị dopaminergic hay không Sự tiến triển trong các giai đoạn HY đã được phát hiện có tương quan với sự suy giảm vận động, suy giảm chất lượng cuộc sống và các nghiên cứu hình ảnh thần kinh về mất dopaminergic HY được chia thành 7 cấp độ [8]

 HY=1; HY=1,5: Bệnh một bên, thường khuyết tật chức năng nhẹ

 HY=2: Bệnh ảnh hưởng đến hai bên nhưng không làm suy giảm sự cân bằng

 HY=2,5: Bệnh mức độ nhẹ hai bên, có hồi phục khi kiểm tra kéo

 HY=3: Tàn tật nhẹ đến trung bình, suy giảm phản xạ

 HY=4: Tàn phế nặng, vẫn có thể đi bộ hoặc đứng mà không cần trợ giúp

 HY=5: Bệnh nhân không thể tự di chuyển và hoạt động thể chất bình thường

Trong một thế kỷ qua, sự hiểu biết của chúng ta về nguyên nhân của bệnh PD

đã phát triển rất nhiều Vào năm 1919, người ta lần đầu tiên công nhận việc kiểm tra não sau khi bệnh nhân PD chết cho thấy các sắc tố ở vùng nền của não giữa bị mất Vào những năm 1950, người ta đã hiểu thêm rằng các tế bào thần kinh sắc tố bị mất trong lớp đệm chất béo là dopaminergic, và sự mất dopamine trong mạch vận động dưới vỏ có liên quan đến cơ chế rối loạn vận động trong PD [14] PD là một rối loạn của hạch nền, bao gồm nhiều nhân khác Thể vân nhận đầu vào kích thích và ức chế

từ một số phần của vỏ não Bệnh lý chính là mất tế bào thần kinh dopaminergic dẫn đến các triệu chứng

Các nghiên cứu trong một thời gian dài cho thấy việc tiếp xúc với các chất ô nhiễm thuốc trừ sâu và thuốc diệt cỏ có liên quan đến việc gia tăng PD [11, 26] Chất MPTP (1-metyl-4-phenyl-1,2,3,6- tetrahydropyridine) được xác định là một trong những chất gây ra Parkinson Các nghiên cứu trong phòng thí nghiệm cho thấy MPTP

đi vào não qua chất vận chuyển acid amin trung tính lớn và được chuyển hóa thành một hợp chất phản ứng đặc biệt ngăn chặn phức hợp I của ty thể, gây ra bệnh Parkinson [26] Cũng có nghiên cứu cho rằng quá trình oxy hóa và tạo ra các gốc tự

do có thể là nguyên nhân gây ra tổn thương cho các nhân đồi thị

Parkinson có thể do đột biến gen, tuy nhiên các dạng di truyền này chiếm một

tỷ lệ nhỏ [7, 19] Dạng di truyền phổ biến nhất của PD là PARK8, gây ra khoảng 2%

các trường hợp nhiễm PD tại Mỹ [26] Các nghiên cứu chỉ ra rằng các đột biến ở gen

LRRK2, PARK7, PRKN cũng góp phần vào nguy cơ gây PD [7] Một số gen như GBA

[11] (glucocerebrosidase), UCHL1 (Ubiquitin C-Terminal Hydrolase L1) được cho

là có thể làm thay đổi nguy cơ tiến triển của PD Người mang đột biến GBA có tăng khoảng 4 lần nguy cơ mắc PD, mặc dù nguy cơ thay đổi với các đột biến GBA khác nhau Một số nghiên cứu cho thấy sự gia tăng nguy cơ mất trí nhớ trong đột biến GBA

liên quan đến PD [11]

Mức độ bất thường của Alpha-synuclein tổng hợp là thành phần chính của thể Lewy và được tìm thấy khi khám nghiệm tử thi Người ta thấy rằng chức năng bị thay đổi của alpha-synuclein có thể đóng một vai trò trong căn nguyên của PD Nghiên cứu hiện tại đang tập trung vào việc ngăn chặn sự lan truyền và tập hợp của alpha-synuclein

Một số yếu tố hành vi và lối sống liên quan đến việc giảm nguy cơ phát triển

PD Việc sử dụng thuốc lá góp phần giảm nguy cơ mắc PD [25] Một nghiên cứu chỉ

ra rằng thành phần trong thuốc lá (có thể là Nicotine) có thể chống lại sự phát triển của Parkinson [24] Viêc sử dụng coffee và trà có liên quan đến việc giảm nguy cơ

PD, đặc biệt ở nam giới [4] Ngoài ra, việc tập thể dụng thường xuyên ở cường độ cao góp phần làm giảm nguy cơ Parkinson [32] Cùng với đó việc sử dụng sữa làm tăng nguy cơ mắc PD, có thể là do độc tố có trong sữa [16]

Nguồn tiềm năng của dấu ấn sinh học PD rất lớn và ngày càng mở rộng Một

số chất thải sinh học có tiềm năng đóng vai trò là nguồn cung cấp dấu ấn sinh học PD

ở dịch não tủy (CSF), máu (bao gồm máu toàn phần và tất cả các ngăn máu), nước bọt và nước tiểu Việc xác định các dấu ấn sinh học trong nước thải sinh học có thể

dễ dàng tiếp cận và với các quy trình có rủi ro thấp (chẳng hạn như nước bọt, máu hoặc nước tiểu) Nhưng CSF được xem như một nguồn chính của các dấu ấn sinh học

PD, nói một cách đơn giản, nó được cho là phản ánh tốt nhất những gì đang diễn ra trong hệ thần kinh trung ương

Một ví dụ về một dấu ấn sinh học nhận được sự chú ý lớn trong PD là Alpha synuclein Điều này bắt nguồn từ vai trò quan trọng của nó trong sinh lý bệnh PD Nhiều xét nghiệm dựa trên kháng thể khác nhau để đo các loại Alpha - synuclein khác

-nhau (chẳng hạn như Alpha - synuclein toàn phần, phosphoryl hóa, oligomeric và fibrillar) đã được phát triển và áp dụng cho dịch não tủy và huyết tương

Có một vài dấu ấn sinh học PD khác đang được nghiên cứu trong nước thải sinh học Acid uric là một dấu ấn sinh học ứng cử viên dựa trên các đặc tính chống oxy hóa của nó kết hợp với mức acid uric thấp được tìm thấy trong cơ thể của bệnh nhân PD [30] Một phân tích tổng hợp đã chứng minh rằng tỷ lệ bị PD của bệnh nhân liên quan đến 1 độ lệch chuẩn tăng urate (1,32 mg / dL) là 0,80 [31] Với mức độ acid uric không cụ thể, nó không có khả năng đóng vai trò như một dấu ấn sinh học riêng

lẻ mà có thể được kết hợp trong các mô hình đa phương thức

Một số dấu ấn sinh học trên máu đáng chú ý có triển vọng trong PD đã được xác định thông qua phân tích protein Yếu tố tăng trưởng biểu bì lần đầu tiên được xác định là một dấu ấn sinh học trên máu có thể có của suy giảm nhận thức trong PD,

sử dụng nền tảng xét nghiệm miễn dịch đa hợp quy mô lớn [9]

Có nhiều nghiên cứu về dấu ấn sinh học trong PD tuy nhiên các nghiên cứu đó vẫn chưa đem lại hiêu quả trong chẩn đoán Việc nghiên cứu chẩn đoán PD dựa vào phân tích chuyển động mang đến những tín hiệu rất khả quan Dưới đây tôi xin đưa

ra một số nghiên cứu nổi bật về chẩn đoán bệnh Parkinson

Năm 2015 Wahid và cộng sự đã xây dựng một mô hình nhằm chẩn đoán sớm Parkinson dựa trên dữ liệu về dáng đi Dữ liệu về dáng đi của 23 bệnh nhân PD, tuổi: 68,5 ± 6,1 tuổi (60-80 tuổi), chiều cao: 1,8 ± 0,1 m (1,6-1,9 m), khối lượng cơ thể: 80,1 ± 15,5 kg (52,3-120,2 kg), nam / nữ: 20/3 Dữ liệu về dáng đi cho 26 đối chứng khỏe mạnh phù hợp với độ tuổi: 69,5 ± 5,0 tuổi (60-79 tuổi), chiều cao: 1,7 ± 0,1 m (1,6-1,8 m), khối lượng cơ thể: 76,7 ± 14,7 kg (55,0-106,4 kg), nam / nữ: 13/13, được lấy từ cùng cơ sở dữ liệu phòng thí nghiệm Các bệnh nhân PD bị ảnh hưởng nhẹ bởi căn bệnh này (HY = 2) và đang ở trạng thái điều trị tối ưu Các đối tượng đã đi bộ với tốc độ đi bộ bình thường của họ mười lần trên một lối đi dài 8m Tốc độ đi bộ trung bình của bệnh nhân PD và nhóm chứng lần lượt là 1,1 ± 0,2 m / s (0,8-1,6 m / s) và 1,2 ± 0,2 m / s (0,7-1,8 m / s) Vị trí điểm đánh dấu được đo bằng hệ thống phân tích chuyển động video 8 camera (Vicon, Oxford Metrics Ltd., Oxford), trong khi lực phản lực mặt đất (GRF) được ghi lại đồng thời bằng cách sử dụng hai nền tảng thiết

bị lực (Kistler, Thụy Sĩ và Advanced Mechanical Technology Inc., Watertown, MA) Các chiến lược Machine Learning sau đó được sử dụng để phân loại dáng đi PD bằng

cách sử dụng dữ liệu dáng đi thô, dữ liệu được chuẩn hóa bằng phương trình không thứ nguyên và dữ liệu chuẩn hóa bằng cách sử dụng phương pháp hồi quy bội (MR) Sau khi chuẩn hóa dữ liệu bằng các phương trình không thứ nguyên, chỉ có độ dài sải chân, độ dài bước là khác biệt có ý nghĩa giữa bệnh nhân PD và nhóm chứng (p<0,05); tuy nhiên, chuẩn hóa dữ liệu bằng phương pháp hồi quy bội cho thấy sự khác biệt đáng kể về độ dài sải chân, nhịp, thời gian đứng Random Forest dẫn đến độ chính xác phân loại PD là 92,6% sau khi chuẩn hóa dữ liệu dáng đi bằng cách sử dụng phương pháp hồi quy bội, so với 80,4% (Support vector machine) và 86,2% (Kernel Fisher Discriminant) sử dụng dữ liệu thô và dữ liệu chuẩn hóa bằng cách sử dụng phương trình không thứ nguyên tương ứng [29] Trong nghiên cứu này có một số hạn chế cần xem xét Đầu tiên, các mô hình MR được phát triển dựa trên một tập dữ liệu tương đối nhỏ về các đối tượng PD (n = 26), và một số mối tương quan yếu giữa các đặc điểm dáng đi và các đặc tính vật lý vẫn còn tồn tại sau khi chuẩn hóa bằng cách

sử dụng phương pháp MR Số lượng lớn hơn các đối tượng kiểm soát có thể đã cải thiện độ tin cậy của ước tính hệ số của mô hình và giảm các mối tương quan hơn nữa Thứ hai, kết quả được trình bày đại diện cho một nhóm tuổi cụ thể (đối tượng cao tuổi, độ tuổi từ 60-80 tuổi) và mức độ nghiêm trọng của PD (điểm Hoehn & Yahr là 2) Để xác định các đặc điểm dáng đi bệnh lý ở các đối tượng PD thuộc một nhóm tuổi khác, các mô hình hồi quy mới sẽ cần được phát triển dựa trên các đối chứng phù hợp với độ tuổi Cuối cùng, mười tám trong số 26 đối tượng kiểm soát được tuyển dụng có chỉ số khối cơ thể (BMI) từ 25 trở lên Các tác giả đã quan sát thấy rằng độ rộng bước ở đối tượng kiểm soát bị ảnh hưởng bởi khối lượng cơ thể khi BMI của đối tượng trên 25 (𝜌 = 0,65), trong khi độ rộng bước chỉ bị ảnh hưởng yếu bởi khối lượng cơ thể khi BMI dưới 25 (𝜌 = 0,27)

Năm 2017 Vered Aharonson và cộng sự [2] cũng đưa ra nghiên cứu về việc phân tích dữ liệu từ cảm biến vận động của bệnh nhân từ đó đánh giá các giai đoạn của bệnh Parkinson Nghiên cứu được tiến hành trên 42 người trong đó có 22 người bệnh PD, tổng cộng có 14 bệnh nhân PD là nam, và 8 bệnh nhân còn lại là nữ Độ tuổi của bệnh nhân dao động từ 44 đến 79 tuổi và tất cả đều mắc bệnh Parkinson với điểm HY từ 2 đến 3; Nhóm chứng chia thành 2 nhóm tuổi, đó là nhóm đối tượng trẻ gồm 10 đối tượng tuổi từ 23 đến 38 (6 nam và 4 nữ), và nhóm lớn tuổi gồm 10 đối tượng có độ tuổi từ 46 đến 78 tuổi (6 nam và 4 nữ) Tất cả các đối tượng đi hai con đường quy định trong khi đẩy xe tập đi Con đường đi bộ đầu tiên có 2 giao thức là đứng lên và đi; giao thức thứ 2 là đứng lên đi 3m rồi quay đầu lại điểm xuất phát Con đường thứ hai bao gồm 10 mét đi bộ trong hành lang của bệnh viện, tương tự như

vậy, đối tượng quay lại và đi bộ trở lại điểm xuất phát Một nửa số đối tượng chứng (năm đối tượng từ mỗi nhóm tuổi) được chọn để lặp lại thí nghiệm này ba lần - hai lần trong phiên đầu tiên, với 10 phút giữa hai đường và một thử nghiệm khác từ 3 đến

6 ngày sau phiên đầu tiên và tín hiệu chuyển động động học của họ được xe tập đi tự động thu thập Tín hiệu thu thập được xử lý bởi sự kết hợp của hai phương pháp lựa chọn tính năng cổ điển và hai learning algorithms, với mục tiêu phân biệt bệnh nhân

PD với các đối tượng kiểm soát Điểm độ nhạy và độ đặc hiệu là 91% và 95% đạt được đối với phương pháp đi bộ đầu tiên, trong khi sự phân biệt đối với phương thức

đi bộ thứ hai tạo ra điểm độ nhạy và độ đặc hiệu là 96% và 100%

Năm 2018, Ozgur Afsar và các cộng sự [1] đã đưa ra nghiên cứu sử dụng cấu hình lực dáng đi thực tế của các nhóm khỏe mạnh và bệnh nhân mắc chứng PD có mức độ nghiêm trọng của bệnh khác nhau về giai đoạn Hoehn-Yahr để tính toán các phép đo phức tạp về kinh nghiệm khác nhau đến từ các phép đo tổng thể khác nhau của phân tích định lượng tái phát (RQA) Cơ sở dữ liệu bao gồm các phép đo về dáng

đi của 93 bệnh nhân mắc chứng PD vô căn (mức độ nghiêm trọng của bệnh: 2; 2,5 và

3, tuổi trung bình: 66,3 tuổi; 63% nam giới) và 73 nhóm chứng khỏe mạnh (mức độ bệnh: 0, tuổi trung bình: 66,3 tuổi; 55% nam giới) có sẵn trong “Cơ sở dữ liệu PhysioBank” Các thước đo RQA cung cấp những hiểu biết sâu sắc hơn về những thay đổi tinh vi hơn của các động lực Áp dụng phân tích phổ, tính toán phương sai hoặc trung bình, sự khác biệt trong chuỗi thời gian xuất phát từ các mức độ nghiêm trọng của bệnh khác nhau là không rõ ràng (phổ công suất và phương sai) hoặc thậm chí không đáng kể sử dụng RQA xác định độ dài đường chéo trung bình (phân kỳ) giảm (tăng) khi mức độ nghiêm trọng của bệnh ngày càng tăng Các tác giả cũng giải thích những khuynh hướng này từ dáng đi bình thường thông qua dáng đi bệnh lý bằng một mô hình lý thuyết được gọi là bản đồ hình sin Sử dụng hệ thống mô hình này, họ chỉ ra rõ ràng rằng những khuynh hướng này có thể được giải thích bằng cách thay đổi mức độ bất hợp lý của hệ thống như một quá trình tự nhiên của dáng đi Điều này cho phép các tác giả giải thích các động lực của dáng đi bình thường/bệnh lý Các tác giả đã thu được độ chính xác chẩn đoán cao để phân biệt bệnh nhân mắc chứng PD đến từ các nhóm khác nhau Đã có sự phân biệt với độ nhạy 100% và độ đặc hiệu 90% (độ chính xác = 95%) giữa các nhóm có HY = 2,5 và HY = 2,0, và độ nhạy 70% và độ đặc hiệu 80% (độ chính xác = 75 %) giữa các nhóm có HY = 3 và

HY = 2,5 Các phép đo cũng phân biệt bệnh nhân có HY = 3 và HY = 2,5 với nhóm người khỏe mạnh đạt được độ nhạy 100% và độ đặc hiệu 100% (độ chính xác =

chính xác = 40%) giữa bệnh nhân có HY = 2 và nhóm người khỏe mạnh (vì giai đoạn bệnh của nhóm này rất gần với nhóm khỏe mạnh) Phương pháp của Ozgur Afsar và các cộng sự đạt được các kết quả khả quan tuy nhiên hạn chế của phương pháp này

là thuộc tính RQA mang ý nghĩa tín hiệu học khi so sánh 2 tín hiệu time series khó

để diễn giải lâm sàng

Vì vậy trong nghiên cứu này, chúng tôi sử dụng dữ liệu cảm biến lực gắn ở bàn chân ghi lại quá trình đi bộ bình thường của người bệnh Mục đích của nghiên cứu là tìm ra dấu ấn mang ý nghĩa lý-sinh học ẩn chứa trong dữ liệu có thể hỗ trợ chẩn đoán sớm bệnh Parkinson

 Ý nghĩa khoa học:

- Nghiên cứu ban đầu xây dựng mô hình chẩn đoán bệnh Parkinson

- Nghiên cứu mức độ chính xác của chẩn đoán đưa ra

- Đánh giá kết quả được đưa ra

 Ý nghĩa thực tiễn:

- Phục vụ cho nhân viên y tế trong chẩn đoán và đưa ra quyết định điều trị cho bệnh nhân, từ đó giúp bệnh nhân Parkinson kéo dài được cuộc sống bình thường

- Cung cấp công cụ hữu ích phục vụ trong y tế

 Ý nghĩa giáo dục:

- Trang bị cho bản thân kiến thức về khoa học dữ liệu và các ứng dụng trong y học, cụ thể là ứng dụng trong chẩn đoán Parkinson

- Nghiên cứu giúp hiểu rõ hơn về bệnh Parkinson cũng như khoa học dữ liệu

- Nghiên cứu có thể dùng làm tài liệu tham khảo cho các nghiên cứu cùng đề tài

sau