Gait Phenotyping in Multiple Sclerosis Using Smart Insole Technology

Lopen is een complexe handeling die de meesten van ons uitvoeren zonder er een tweede gedachte aan te geven, een naadloos ritme van balans, kracht en timing. Voor mensen die leven met multiple sclerose, een chronische aandoening die het centrale zenuwstelsel aantast, valt dit ritme vaak uit elkaar. De ziekte kan de banen beschadigen die de beweging aansturen, wat leidt tot een grote verscheidenheid aan loopproblemen. Sommige mensen slepen een voet voort, anderen schuifelen met korte stappen, en velen hebben moeite met hun evenwicht. Omdat de schade bij verschillende mensen op verschillende plaatsen optreedt, is er niet één enkele "multiple sclerose-loopwijze". Artsen vertrouwen momenteel op standaardtests om te meten hoeveel de mobiliteit van een persoon is afgenomen, maar deze tests zijn vaak brede momentopnames die de subtiele, unieke manieren waarop ieders lichaam compenseert voor zijn specifieke letsels missen. Het begrijpen van deze unieke patronen zou artsen kunnen helpen om behandelingen effectiever af te stemmen, maar het vastleggen ervan vereist een manier om te zien hoe mensen bewegen in detail, en niet alleen hoe ver ze kunnen lopen.

Een team van onderzoekers zette zich in om te zien of ze deze unieke looppatronen in kaart konden brengen met een nieuwe soort technologie: slimme schoenenzolen. In plaats van patiënten te vragen te lopen in een laboratorium omringd door camera's en sensoren, rustten de onderzoekers hen uit met dunne, onopvallende zolen die verborgen waren in hun gewone schoenen. Deze zolen bevatten minuscule druksensoren en bewegingsdetectoren die precies registreerden hoe de voet de grond raakte, hoe lang elke stap duurde en hoe het lichaam bewoog bij elke pas. Het doel was om de data voor zichzelf te laten spreken, door computeralgoritmen te gebruiken om mensen te groeperen op basis van hoe ze daadwerkelijk liepen, in plaats van hoe hun beperkingsscores suggereerden dat ze zouden lopen.

De studie omvatte 108 mensen met multiple sclerose en 49 gezonde vrijwilligers uit klinieken in Canada, Duitsland, de Verenigde Staten en het Verenigd Koninkrijk. Elke deelnemer droeg de slimme zolen terwijl hij of zij door een gang liep. De zolen stroomden een constante stroom gegevens naar een smartphone-app, waarbij honderden details van elke stap werden vastgelegd, van de snelheid van de pas tot de lichte wiebel van de voet. De onderzoekers voedden deze enorme hoeveelheid informatie vervolgens aan een computerprogramma dat ontworpen is om natuurlijke groeperingen te vinden. Ze vertelden de computer niet waar hij naar moest zoeken; ze vroegen hem simpelweg om de wandelaars te sorteren in clusters op basis van de overeenkomsten en verschillen in hun bewegingsgegevens.

De analyse onthulde vier duidelijke groepen wandelaars, elk met een uniek profiel van beweging dat verder gaat dan wat standaard medische scores konden laten zien. De eerste groep bestond uit mensen wiens looppatronen zeer dicht bij die van de gezonde vrijwilligers lagen. Zij bewogen met snelheid en symmetrie en vertoonden slechts minimale tekenen van beperking. De tweede groep vertoonde matige moeilijkheden; zij liepen langzamer en brachten meer tijd door met beide voeten op de grond voor stabiliteit, maar hun stappen bleven relatief consistent.

De derde groep was de meest verrassende ontdekking. Deze individuen hadden beperkingsscores die vergelijkbaar waren met die van de tweede groep, maar hun looppatronen waren fundamenteel anders. Terwijl de tweede groep stabiel maar langzaam liep, bewoog de derde groep met een hoge variabiliteit. Hun stappen waren inconsistent, waarbij de timing en de lengte van elke pas aanzienlijk fluctueerden van het ene moment naar het andere. Deze groep vertoonde een soort "wankelende" gang die standaardtests wellicht als vergelijkbaar met de stabiele maar langzame wandelaars zouden beoordelen, maar de slimme zolen onthulden een duidelijke instabiliteit die wijst op een andere onderliggende oorzaak, mogelijk gerelateerd aan balans- of coördinatieproblemen.

De vierde groep vertegenwoordigde de meest ernstige beperking. Deze individuen liepen zeer langzaam, brachten veel tijd door met beide voeten op de grond en vertoonden een duidelijke onbalans tussen de linker- en rechterkant. Hun stappen waren kort en voorzichtig, en hun voeten landden onder ongebruikelijke hoeken, wat suggereert dat zij aanzienlijke inspanning leverden om simpelweg niet te vallen. Deze groep had duidelijk de meeste moeite met de basismechanica van het lopen, en hun gegevens weerspiegelden een zware afhankelijkheid van stabiliteit boven snelheid.

Wat dit resultaat zo belangrijk maakt, is dat de computer deze groepen identificeerde op basis van de pure fysieke bewegingsgegevens, zonder vooraf de medische geschiedenis of beperkingsscores van de patiënten te kennen. Het feit dat de derde groep opviel door een hoge variabiliteit te hebben, ondanks de vergelijkbare beperkingsscores met de stabiele maar langzame groep, suggereert dat huidige medische beoordelingen belangrijke details kunnen missen over hoe de ziekte verschillende mensen beïnvloedt. De slimme zolen legden nuances in de beweging vast die een arts die een patiënt door een gang ziet lopen, misschien niet zou opmerken, zoals de specifieke manier waarop de voethoek verandert of hoeveel de timing van de stappen fluctueert.

De onderzoekers merkten op dat hoewel de technologie erin slaagde deze patronen te identificeren, de groepen niet noodzakelijkerwijs rigide categorieën zijn. Mensen kunnen tussen deze groepen bewegen naarmate hun conditie verandert, en de grenzen tussen de groepen zijn niet altijd scherp. Echter, het vermogen om een onderscheid te maken tussen een langzame, stabiele wandelaar en een snelle, onstabiele wandelaar met behulp van een eenvoudig apparaat in een schoen, opent een nieuwe deur voor monitoring. Het suggereert dat artsen in de toekomst deze zolen kunnen gebruiken om de voortgang van een patiënt in de loop van de tijd te volgen, waarbij subtiele veranderingen in de loopstijl worden gedetecteerd lang voordat een standaardtest een achteruitgang zou laten zien. Dit zou kunnen leiden tot eerdere interventies en meer gepersonaliseerde zorgplannen, waardoor de eenvoudige handeling van het lopen wordt veranderd in een rijke bron van informatie over de gezondheid van het zenuwstelsel.