DTU-forsker vil bruge neurorobotik til at forstå Parkinsons sygdom

Op mod 12 000 danskere lever ifølge Parkinsonforeningen med den neurodegenerative sygdom Parkinsons sygdom. Sygdommen fører til gang- og bevægelsesbesvær, giver talebesvær og forårsager rystelser og stivhed. Det skyldes, at der sker et kommunikationsnedbrud i kroppens centralnervesystem, hvor neuroner oplever et tab af signalstoffet dopamin. Det vides endnu ikke, hvorfor sygdommen opstår.

Når lægerne ikke kender årsagen til Parkinsons sygdom, er det kun muligt at behandle symptomerne, når de viser sig, og ikke stoppe udviklingen af sygdommen, før symptomerne opstår.

Læs også: Dansk teknologi: Her er de største danske techvirksomheder

Simulerer ændringer i patienters neurale netværk

Det problem er lektor Silvia Tolu fra DTU Elektro dog meget opsat på at løse – og det bliver med en noget utraditionel fremgangsmåde.

Silvia Tolu vil bruge neurorobotik, som kombinerer neurovidenskab med robotteknologi og kunstig intelligens, til at udvikle en virkelighedstro model, som kortlægger sygdomsforløbet for Parkinsons sygdom. Det særlige ved hendes model er, at den skal spore sygdommens udvikling baglæns, så forskerne kan finde tilbage til dens rødder.

Fremgangsmåden er at skabe en computermodel af den del af centralnervesystemet, der er i rygmarven, fordi den del er central for en persons evne til at bevæge sig. Modellen vil først vise, hvordan centralnervesystemet ser ud i sund tilstand, og derefter laves der justeringer, som efterligner de ændringer i dopamin, der sker i neuroner hos patienter med Parkinsons sygdom. Modellen simulerer altså de ændringer, der sker i en patients neurale netværk.

Læs også: Lille sensor giver demensramte borgere bedre trivsel

Kan give bedre og hurtigere diagnose

Tanken er, at modellen skal give en dybere forståelse af, hvordan sygdommen opstår og udvikler sig, og det vil ifølge Silvia Tolu gøre det muligt at diagnosticere sygdommen på et tidligt stadie. Dermed kan den rette behandling blive sat i gang tidligere og ideelt set før de invaliderende symptomer viser sig.

Ved at bruge modellen som diagnoseværktøj vil det med tiden være muligt for læger at diagnosticere sygdommen korrekt og objektivt modsat i dag, hvor der skal en subjektiv vurdering til. Samtidig vil man også kunne spore sygdommens progression hos hver patient.

På længere sigt vil det også være muligt at bruge modellen til at udvikle mere skræddersyede behandlingsplaner for patienter baseret på deres særlige sygdomsprofil.

Læs også: Nyheder om dansk teknologi