Rörelsesensorer och smarta telefoner kan hjälpa patienter med Parkinson
1 min läsning

Med hjälp av rörelsesensorer och smarta telefoner kan data samlas in hos patienter med Parkinsons sjukdom. Informationen kan sedan användas för att utveckla behandlingsmetoder, säger Somayeh Aghanavesi, som forskat i detta.

 

Porträttbild: Somayeh Aghanavesi

– Det känns bra att nu vara i mål och att uppnå nya resultat, säger Somayeh Aghanavesi,
som i fredags försvarade sin avhandling inom Mikrodataanalys

Avhandlingen handlar om att utveckla och utvärdera nya kunskaps- och datadrivna metoder för bättre bedömning av Parkinsons sjukdom. En sjukdom som är både komplex och progressiv och där de motoriska symptomen varierar inom och mellan patienter. Men genom att använda rörelsesensorer och smarta telefoner har Somayeh hittat ett sätt att bearbeta och analysera data som kan användas för att utveckla behandlingen av Parkinsonpatienter.

– Resultaten från utvecklingen och utvärderingen av metoderna i denna avhandling visar att den smarttelefonbaserade metoden kan användas för att mäta behandlingsrelaterade förändringar hos patienter med Parkinson.  Resultaten från utvecklingen av sensorbaserade kunskaps- och datadrivna metoder visar hög konvergensgiltighet. Resultaten som samlats in från flera motortest var lovande och ledde till giltiga, tillförlitliga och lyhörda mått på Parkinson-motoriska symptom, säger Somayeh Aghanavesi.

Disputationen tog tre timmar och det ställdes många frågor i ett högt tempo, berättar Somayeh, som nu bara ser framåt. 

– Nu när jag har avslutat min forskarutbildning letar jag efter nya utmaningar. Jag kommer att starta ett nätverk mot akademin och industrin som bägge kan ha projekt som lämpar sig för ett samarbete.

Doktoranden Somayeh kommer ursprungligen från Irans huvudstad Teheran men i februari 2010 bestämde hon sig för att komma till Högskolan Dalarna för att studera Mikrodatanalys. Sedan 2015 har hon jobbat med sin avhandling “Sensor-Based Knowledge and Data-Driven Methods: A Case of Parkinson's Disease Motor Symptoms Quantification".

 

Länk till avhandlingen