Biofeedback devices: a contribute to Parkinson’s disease

Abstract

Atualmente, fala-se frequentemente em incluir hábitos saudáveis para combinar a qualidade de vida (QdV) com o envelhecimento, o que permite manter a mobilidade funcional. Mas quão difícil pode ser para uma pessoa com a doença de Parkinson (DP) andar simplesmente dez metros sem sentir medo de cair? Cerca de dez milhões de pessoas no mundo sofrem da DP e veem a sua mobilidade ser progressivamente limitada. As tecnologias baseadas em pistas sensoriais e, em particular, os dispositivos wearable de biofeedback (DWBs) têm potencial para melhorar os sintomas motores da DP, para além de serem capazes de fornecer dados diários contínuos e objetivos sobre a mobilidade dos pacientes. Esta tese visa conceber, desenvolver e validar soluções personalizadas de alta tecnologia baseadas em DWBs para mitigar e monitorizar as desabilidades motoras da DP. A esta investigação de doutoramento chamou-se +sense, SENSory biofeedback devicES. A +sense inclui três soluções tecnológicas principais, implementadas de acordo com os requisitos dos utilizadores finais: (i) uma cinta instrumentada (sensBand) e a respetiva aplicação para smartphone; (ii) uma aplicação clínica para computador; e (iii) estratégias baseadas na realidade mista integradas nuns óculos inteligentes. Estas tecnologias fornecem quatro funcionalidades chave que foram a base desta investigação, denominadas +sBiofeedback, +sMotion, +sC-support, e +sImmersive. O +sBiofeedback envolveu o desenvolvimento e validação de quatro estratégias de biofeedback personalizadas ao grau e ao défice motor do utilizador. No âmbito das funcionalidades +sMotion foram implementadas e validadas três soluções computacionais para deteção dos eventos da marcha, reconhecimento de atividades motoras diárias e identificação do contexto do utilizador para providenciar uma ferramenta de avaliação da mobilidade. Para as funcionalidades de +sC-support, foi implementado um método computacional capaz de estimar várias métricas associadas à marcha e à postura para fornecer biomarcadores digitais de apoio à avaliação clínica. Também foram implementados três modelos de inteligência artificial que identificam a fase da doença, o grau de incapacidade motora, e o nível de QdV. Finalmente, relativamente ao +sImmersive, três ambientes virtuais imersivos foram implementados e validados com óculos de realidade mista para introduzir um novo paradigma para a avaliação e treino motor de DP. Os resultados positivos dos testes de validação com 94 pacientes indicaram que esta investigação de doutoramento contribuiu com uma abordagem holística no âmbito da DP para uma personalizada monitorização, avaliação, assistência e reabilitação motora com base em DWBs com tecnologia de ponta.

Nowadays, we often talk about of including healthy habits to combine quality of life (QoL) with aging, which allows for maintaining functional mobility. But how difficult is it for a person with Parkinson’s Disease (PD) to simply walk ten meters without feeling afraid of falling? About ten million people worldwide suffer from PD and see their mobility progressively limited. Sensory cueing-based technologies and, in particular, wearable biofeedback devices (WBDs) have the potential to improve PD motor symptoms besides providing daily continuous and objective data about patients’ motion. This thesis aims to design, develop, and validate personalized high-tech solutions based on WBDs to mitigate and monitor mobility impairments in PD. This doctoral research was named by +sense research, SENSory biofeedback devicES. The +sense includes three main tech solutions implemented and designed according to the end-users requirements: (i) an instrumented waistband (sensBand) and its smartphone application; (ii) a clinical computer application; and (iii) mixed reality-based strategies integrated into a smart glasses. These technologies provide four key functionalities that were the basis of this research, named +sBiofeedback, +sMotion, +sC-support, and +sImmersive. The +sBiofeedback was the first feature to be developed and integrated into the sensBand. Four biofeedback strategies customized to the degree and motor deficit of the user were implemented and validated. In the scope of +sMotion functionalities, three computational solutions for gait events detection, daily motor activities recognition, and users’ context-awareness identification were implemented and validated to provide a mobility assessment tool. Regarding +sC-support functionalities, a computational method to estimate several gait and postural-associated metrics was implemented to provide digital biomarkers for clinical support assessment. Also, three models based on artificial intelligence were implemented to classify the disease stage, the degree of motor disability, and the degree of QoL. Finally, regarding +sImmersive, three immersive virtual environments were implemented and validated in mixed reality glasses to bring a new paradigm for PD motor assessment and training. The positive results from validation tests with 94 patients indicated that this doctoral research contributed with a holistic approach in PD scope for personalized monitoring, assessment, assistance, and motor rehabilitation based on high-tech wearable biofeedback devices.