StimVision: smartphonevideokinematik för att optimera DBS‑programmering vid Parkinsons sjukdom

Att förvandla vardagstelefoner till verktyg för att justera hjärnan

För personer med Parkinsons sjukdom kan djup hjärnstimulering (DBS) vara livsförändrande, men att hitta de bästa inställningarna för varje person är fortfarande en långsam process som ofta bygger på trial‑and‑error. I denna studie presenteras ”StimVision”, en metod som använder inget mer än en vanlig smartphonekamera och intelligenta algoritmer för att observera hur en patient rör sig och snabbt föreslå vilken DBS‑inställning som fungerar bäst. Tillvägagångssättet lovar att göra hjärnstimulering mer precis, mer objektiv och potentiellt enklare att erbjuda i vanliga kliniker — eller till och med hemma.

Varför det är så svårt att finjustera hjärnimplantat

DBS fungerar genom att skicka svaga elektriska pulser till djupa hjärnregioner för att lindra rörelsestörningar som tröghet och stelhet. I dag justerar läkare vanligen dessa pulser med ögat, med korta undersökningar och skattningsskalor för att avgöra om patientens rörelser ser något bättre eller sämre ut. Eftersom moderna DBS‑system erbjuder fler och fler justerbara parametrar blir denna process alltmer krävande och subjektiv. Kliniker saknar ett enkelt, kvantitativt sätt att jämföra många möjliga program under ett enda besök och att veta vilket som verkligen ger störst nytta.

Att läsa hjärnan genom att titta på handen

Forskarna omformulerade problemet till en urvalsuppgift: givet flera DBS‑inställningar, vilken ger bäst rörelse för just denna person just nu? Femton personer med Parkinsons sjukdom och DBS‑implantat utförde en enkel öppna‑stänga‑hand‑uppgift — samma rörelse som redan används i kliniska undersökningar — medan de filmades med en 60 bildrutor per sekund smartphonekamera. Med ett open‑source verktyg för datorseende spårade teamet handens position utan markörer och omvandlade videon till en preciserad signal som beskriver hur fingrarna öppnade och stängde över tiden. Från denna signal extraherade de 23 numeriska egenskaper som fångar hur stora, hur snabba, hur regelbundna och hur stadiga rörelserna var, såsom genomsnittlig hastighet, cykelfrekvens och hur mycket rörelsen avtog under den korta sekvensen.

Att omvandla rörelse till ett objektivt mått

För att jämföra DBS‑inställningar uppfann teamet en patientanpassad metrisk kallad Dynamically Weighted Improvement Score (DWIS). För varje person beräknade programvaran först hur mycket var och en av de 23 rörelseegenskaperna förbättrades eller försämrades jämfört med DBS avstängt, och riktade alltid talen så att högre värden betydde bättre rörelse. Den identifierade sedan vilka egenskaper som varierade mest mellan programmen — dessa ansågs vara mest informativa för den patienten — och gav dem automatiskt större vikt. Genom att summera de viktade förbättringarna producerade systemet en enda sammanvägd poäng för varje DBS‑inställning och rangordnade alla program inom sessionen. Hos varje patient identifierade StimVision ett tydligt bästa program, och denna rangordning förblev stabil även när viktmetoden ändrades, vilket tyder på att tillvägagångssättet är robust snarare än överkänsligt för val av inställningar.

Hur bättre rörelse faktiskt ser ut

När forskarna jämförde varje persons bästa DBS‑inställning med deras DBS‑avstängda tillstånd fann de breda förbättringar. De flesta testade program hjälpte i någon utsträckning, men de högst rankade framkallade uttalade förbättringar. De starkaste effekterna var ökningar i rörelsehastighet och rytm: händer öppnade och stängde snabbare, med högre genomsnittlig hastighet och snabbare stängningsfaser, och rörelserna hölls mer konsekventa över den korta provningen i stället för att avta eller sakta ner. Med en statistisk teknik som grupperar relaterade egenskaper fann teamet att dessa många mått kunde destilleras till tre huvudteman eller ”domäner”: Rörelsehastighet, Rörelsekonsistens och Rytm & Timing. De jämförde sedan detta DBS‑”signatur” med data från en tidigare studie av den vanliga Parkinsonsmedicinen levodopa. De två behandlingarna visade liknande mönster vad gäller hastighet och konsistens, men skilde sig i timingrelaterade egenskaper, vilket antyder att elektrisk stimulering och läkemedelsbehandling delvis verkar genom gemensamma banor men formar rörelsens fina timing på olika sätt.

Att få datorn att stämma överens med klinikerns öga

För att ett nytt mått ska vara användbart i medicin måste det överensstämma med vad kliniker redan känner igen som meningsfull förbättring. Forskarna testade därför hur DWIS relaterade till poäng på en standard klinisk skala för handrörelser, skattad av neurologer som var omedvetna om algoritmens resultat. Över alla testade program var högre DWIS‑värden starkt korrelerade med bättre klinikerskattningar, även efter att ha tagit hänsyn till hur nedsatt handen var vid baslinjen. Detta indikerar att det smartphonebaserade måttet inte bara fångar matematisk brus; det stämmer överens med expertbedömning samtidigt som det ger en mer finmaskig och reproducerbar avläsning än vad som kan uppfattas med blotta ögat.

Vad detta kan innebära för patienter

Även om denna proof‑of‑concept‑studie endast omfattade 15 personer och fokuserade på en enda handuppgift, pekar den mot en framtid där DBS‑programmering styrs av snabba, objektiva mätningar som fångas med vardagliga enheter. StimVision skulle kunna hjälpa kliniker att navigera i den växande djungeln av stimulationsinställningar, förkorta tiden som ägnas åt trial‑and‑error‑justeringar och till slut stödja fjärrbedömningar utanför sjukhuset. Genom att ge läkare en klar, datadriven bild av hur varje DBS‑program formar hastighet, stadga och rytm i rörelsen — och genom att erbjuda ett gemensamt språk för att jämföra hjärnstimulering med läkemedel — kan tillvägagångssättet i förlängningen bidra till att skräddarsy Parkinsonsbehandling mer precist efter varje individs behov.

Citering: Lange, F., Köberle, P., Adaçay, G. et al. StimVision: smartphone video kinematics to optimize DBS programming in Parkinson’s disease. npj Parkinsons Dis. 12, 100 (2026). https://doi.org/10.1038/s41531-026-01335-6

Nyckelord: Parkinsons sjukdom, djup hjärnstimulering, smartphonevideo, motorisk kinematik, datorseende