Barrierefreie Beurteilung motorischer und kognitiver Symptome bei Parkinson: Integration großer Datensätze, maschinelles Lernen und Videokonferenz

Parkinson‑Kontrollen nach Hause bringen

Für viele Menschen mit Parkinson ist es allein eine große Anstrengung, zur Klinik zu gelangen — regelmäßige Kontrollen sind zeitaufwändig oder manchmal gar nicht möglich. Diese Studie untersucht, ob detaillierte Prüfungen von Bewegung und Kognition bei Parkinson sicher und zuverlässig über einen gewöhnlichen Videoanruf durchgeführt werden können, allein mit Computer und Internetverbindung. Wenn solche Ferntests funktionieren, könnte das den Zugang zu Nachsorge erleichtern, die Teilnahme an Forschung verbreitern und eine zeitnähere Erfassung der Krankheitsverläufe ermöglichen.

Eine neue Form des Online‑Besuchs

Die Forscher entwickelten eine schrittweise videobasierte Testroutine namens Motor and Cognitive Videoconference protocol, kurz MaC‑VC. Bei einem typischen Parkinson‑Kliniktermin bewerten Spezialisten die Bewegungen einer Person nach einer standardisierten Checkliste und testen Denk‑ und Gedächtnisfunktionen mit einer kurzen Prüfung. MaC‑VC passt diese Instrumente für die Nutzung per Videokonferenz an. Es kürzt und modifiziert den standardisierten Bewegungstest so, dass er sicher zu Hause durchgeführt werden kann, und orientiert sich an offiziellen Vorgaben für die Online‑Durchführung der kognitiven Tests. Entscheidend ist, dass das Protokoll so konzipiert ist, dass geschulte Nicht‑Experten — nicht nur hochspezialisierte Neurologen — es anwenden können.

Vergleich der Fernuntersuchungen mit dem Goldstandard

Um zu prüfen, ob dieser Online‑Ansatz dieselben Informationen wie persönliche Untersuchungen erfasst, verglich das Team zwei große Gruppen. Eine Gruppe stammte aus einem großen internationalen Projekt, in dem Parkinson‑Patienten von Experten persönlich untersucht werden; dieser Datensatz umfasste 1.264 Personen. Aus diesen detaillierten Klinikbesuchen berechneten die Forscher, wie die Werte aussehen würden, wenn nur die Items verwendet würden, die online sicher und praktikabel sind. Sie stellten fest, dass dieser verkürzte Score 95 % der Varianz des vollständigen, persönlichen Bewegungsscores erklärte, was darauf hindeutet, dass die meisten wichtigen Informationen auch bei einer für die Fernnutzung vereinfachten Testversion erhalten bleiben.

Menschen erreichen, egal wo sie wohnen

Die zweite Gruppe bestand aus 145 Menschen mit Parkinson, die MaC‑VC per Video aus mehr als 60 verschiedenen Orten, größtenteils in den USA und Israel, und in Hebräisch oder Englisch absolvierten. Fast alle geplanten Video‑Termine wurden erfolgreich durchgeführt, in der Regel in etwa 40 Minuten, nur sehr wenige mussten wegen technischer Probleme verschoben werden. Die Teilnehmenden waren in Alter und Bildung sehr unterschiedlich, und es wurden keine Sicherheitsprobleme berichtet, obwohl viele Bewegungseinschränkungen hatten. Von geschulten Nicht‑Experten während der Live‑Anrufe vorgenommene Stadieneinstufungen stimmten eng mit den Bewertungen eines Bewegungsstörungs‑Spezialisten überein, der aufgezeichnete Sitzungen überprüfte — ein Hinweis darauf, dass das Protokoll zuverlässig von nicht‑fachärztlichem Personal durchgeführt werden kann.

Was die Online‑Tests zeigen können

Die Forscher fragten dann, ob diese videobasierten Prüfungen mildere von fortgeschritteneren Stadien der Erkrankung genauso unterscheiden können wie persönliche Untersuchungen. In sowohl dem großen Klinikdatensatz als auch dem Online‑Datensatz hatten Menschen mit weiter fortgeschrittener Erkrankung schlechtere Bewegungswerte, mehr Jahre seit der Diagnose und niedrigere Werte im Kognitionstest, während das Verhältnis von Männern zu Frauen sich nicht unterschied. Das Team nutzte außerdem gängige Techniken des maschinellen Lernens — Computerprogramme, die nach Mustern in Daten suchen — um zu prüfen, wie gut Kombinationen aus Bewegungs‑ und Kognitionswerten sowie Basisdemografie Menschen in frühe versus fortgeschrittene Stadien einteilen können. Innerhalb jedes Datensatzes waren die Modelle sehr genau. Bemerkenswerterweise funktionierten Modelle, die nur mit Klinikdaten trainiert wurden, weiterhin sehr gut für die Vorhersage des Stadiums in der Online‑Gruppe, und Modelle, die mit Online‑Daten trainiert waren, ließen sich ebenfalls erfolgreich auf den Klinikdatensatz übertragen.

Grenzen und nächste Schritte

Wie bei jedem neuen Ansatz hat MaC‑VC Einschränkungen. Die Studie umfasste überwiegend Personen in früheren Stadien von Parkinson, die einen Videoanruf bewältigen konnten, sodass sie möglicherweise nicht das gesamte Patientenspektrum widerspiegelt — insbesondere nicht Menschen mit schwereren Symptomen oder eingeschränktem Technologiezugang. Einige Bewegungsaufgaben, die zu Hause unsicher wären, wurden durch Selbstangaben ersetzt, die nicht jede subtile Veränderung erfassen könnten. Außerdem gruppierten die Forscher die Krankheit lediglich in zwei grobe Stadien, früh und fortgeschritten, anstatt ein kontinuierliches Spektrum zu messen. Zukünftige Studien müssen mehr fortgeschrittene Fälle einschließen, Personen über die Zeit verfolgen und Klinik‑ und Video‑Besuche bei denselben Individuen direkt vergleichen.

Warum das im Alltag wichtig ist

Trotz dieser Vorbehalte zeigen die Ergebnisse, dass eine sorgfältig gestaltete videobasierte Prüfung traditionelle persönliche Parkinson‑Beurteilungen eng nachbilden kann, selbst wenn sie von geschulten Nicht‑Experten durchgeführt wird. Das bedeutet, dass Menschen mit Parkinson eines Tages hochwertige Bewegungs‑ und Kognitionstests von zu Hause aus absolvieren könnten, was Reiseaufwand reduziert, Wartezeiten verkürzt und Forschern sowie Klinikern ermöglicht, Patientinnen und Patienten aus deutlich mehr Regionen einzubeziehen. Praktisch gesehen weist MaC‑VC in Richtung einer Zukunft, in der Parkinson‑Versorgung und Forschung zugänglicher, skalierbarer und inklusiver werden, ohne die Qualität der Informationen zu opfern, auf die Ärzte zur Behandlungssteuerung angewiesen sind.

Zitation: Lithwick Algon, A., Saban, W. Accessible assessment of motor and cognitive symptoms in Parkinson’s disease: integrating large datasets, machine-learning, and videoconferencing. npj Digit. Med. 9, 223 (2026). https://doi.org/10.1038/s41746-026-02426-7

Schlüsselwörter: Morbus Parkinson, Telemedizin, Fernbewertung, maschinelles Lernen, Neuropsychologie