Verhalten im REM Schlaf: AI assistierte 3D Video Analyse (BRAVA)

Die REM-Schlaf-Verhaltensstörung (RBD) ist eine Parasomnie, welche durch Zuckungen und abnorme, scheinbar einen Traum ausagierende Verhaltensweisen im REM-Schlaf gekennzeichnet ist. Die isolierte RBD (iRBD) entspricht häufig einem Vorläuferstadium einer Alpha-Synucleinopathie (dazu gehören (die) Parkinson-Krankheit, Demenz mit Lewy- Körperchen und Multisystematrophie). Es besteht jedoch die Hoffnung, dass in Zukunft sogenannte neuroprotektive Therapien zur Verfügung stehen werden, die das Fortschreiten des neurodegenerativen Prozesses aufhalten oder zumindest verlangsamen können. Dafür ist die korrekte Diagnose der RBD von grundlegender Bedeutung. Derzeit kann iRBD nur in spezialisierten Schlafzentren mit Hilfe der Video-Polysomnographie (v-PSG) diagnostiziert werden, die zeitaufwändige visuelle Analysen erfordert. Da die iRBD oft gerade durch geringfügige motorische Ereignisse im REM Schlaf gekennzeichnet ist,welche möglicherweise unbemerkt bleiben, werden Patienten in der Allgemeinb evölkerung häufig übersehen. Dies gilt insbesondere für Frauen, bei denen die Symptome in der Regel mild sind. Außerdem gibt es keine objektiven (Outcome-)Marker,die für die Verlaufsbetreilung oder das Monitoring einer symptomatischen Behandlung von iRBD-Patienten herangezogen werden können. Daher werden neue Technologien zur automatischen Identifizierung von iRBD und zur personalisierten Nachsorge im häuslichen Umfeld benötigt. Das berührungslose 3D -Video auf der Grundlage des Lichtlaufzeit-Prinzips (time-of-flight) ist ein vielversprechendes Werkzeug für diese Anwendung. Die bisher eingesetzten Geräte zur Aufnahme von 3D- Videos wurden bisher noch nicht für das breite Spektrum von RBD-Differenzialdiagnosen validiert und sind noch nicht für eine eigenständige Aufnahmen zu Hause geeignet. Im Rahmen des ERA PerMed Transnational Call 2021 wird die Schlafforschungsgruppe der Universitätsklinik für Neurologie Medizinischen Universität Innsbruck ein transnationales europäisches Projekt koordinieren, das darauf abzielt, personalisierte Algorithmen künstlicher Intelligenz zu validieren, die 3D-Videos, welche mit kleinen, leichten und tragbaren Sensoren aufgenommen wurden, alsneuartige Stand-Alone-Technologie zur automatischen Identifizierung und Nachbeobachtung von iRBD-Patienten nutzen. Die neue Technologie wird im Vergleich zum Goldstandard v-PSG in insgesamt fünf verschiedenen europäischen neurologischen Kliniken mit ausgewiesener Expertise für Schlaf und Motorik validiert werden. Dieses neue Instrument kann die Art und Weise, wie iRBD-Patienten identifiziert werden, revolutionieren und eine bessere Identifizierung von Alpha-Synucleinopathien im Frühstadium ermöglichen. Darüber hinaus wird diese Technologie objektive Messungen der Wirksamkeit von symptomatischen Behandlungen ermöglichen, so dass diese personalisiert eingesetzt werden können.

Die Rapid Eye Movement (REM) Schlafverhaltensstörung (RBD) ist eine Schlafstörung, die sich durch abnormale Muskelaktivität und das Auslösen von Träumen während des REM-Schlafs auszeichnet. In seiner isolierten Form (iRBD) wird es als früher Marker für Alpha-Synukleinopathien erkannt (d. h. Parkinson, Demenz mit Lewy-Körpern und multiple Systematrophie). Da spezialisierte Schlafzentren selten sind und Symptome oft unbemerkt bleiben, wird iRBD häufig untererkannt. Das BRAVA-Projekt schlägt eine Lösung für dieses Problem vor, indem eine neuartige, kleine, leichte und tragbare 3D-Videotechnologie entwickelt und validiert wird, die künstliche Intelligenz als leistungsstarkes, automatisches, eigenständiges Werkzeug nutzt, um Patienten mit iRBD zu identifizieren und nachzuverfolgen. Durch die Rekrutierung von über 100 Patienten mit RBD und 200 Kontrollgruppen (darunter Patienten mit häufigen Differenzialdiagnosen RBD) in fünf europäischen spezialisierten Schlaflaboren entwickelte und validierte das BRAVA-Projekt einen Algorithmus, der Bewegungen während des Schlafs mit hoher Genauigkeit im Vergleich zu menschlichen Scorern erkennt und anschließend Patienten mit RBD automatisch mit einem KI-basierten Ansatz identifiziert, der die Geschwindigkeit und das Ausmaß dieser Bewegungen nutzt. Insgesamt zeigt das BRAVA-Projekt, dass eine kleine, tragbare Tiefenkamera Bewegungen automatisch erkennen und die RBD-Identifikation mit einer Leistung vergleichbar mit menschlicher Leistung unterstützen kann, was ihr Potenzial als skalierbares und kostengünstiges Screening-Hilfsmittel hervorhebt. Künftige Studien werden die Technologie in häuslichen Umgebungen bewerten, um ihren Einsatz für das Screening bei früher Neurodegeneration letztlich zu validieren.