帕金森病 (PD) 是世界上发展最快的神经系统疾病，仅在就有超过 100 万人患有此病。不幸的是，随着时间的推移跟踪 PD 严重程度的可靠和有效的进展生物标志物尚未开发，导致更多地依赖患者自我报告或临床医生的定性评级。文献中提出了多种指标，如脑脊液和血液生化值可用于诊断 PD，但仍需进一步研究。
有趣的是，早在 1817 年，詹姆斯帕金森本人就注意到了 PD 与呼吸之间的关系，他将自己的发现组织成现在称为帕金森定律的内容：
“这种疾病从几乎无法察觉的颤抖开始，然后逐渐增加并累积，直到与这种疾病相关的身体的每个部位都受到影响。”
他的工作后来被其他学者和科学家完善，直到今天，当我们了解到震颤或僵硬确实是 PD 的早期迹象时。目前还没有用于诊断 PD 的有效生物标志物，但人工智能模型发现的数字生物标志物可能会改变这种情况。
根据一项有希望的新研究，可以远程跟踪呼吸模式以识别帕金森病。这项由麻省理工学院研究人员进行的研究揭示了一种人工智能系统，该系统使用无线电波来跟踪人在睡觉时的呼吸。
该研究的主要研究者迪娜·卡塔比 (Dina Katabi) 表示，这项研究的动机是詹姆斯·帕金森 (James Parkinson) 的发现，他是 200 年前第一位在临床上记录退行性神经系统疾病症状的医生。
卡塔比解释说：
早在 1817 年，詹姆斯·帕金森博士就在其著作中指出了帕金森病与呼吸之间的关系。这促使我们考虑在不观察运动的情况下通过呼吸检测疾病的可能性。此外，一些医学研究表明，呼吸系统症状在运动症状出现之前数年就出现了，这意味着在帕金森病诊断之前，呼吸属性可能有希望用于风险评估。”
本研究中用于模型训练的数据集在来源和内容上差异很大。梅奥诊所、马萨诸塞州总医院 (MGH) 睡眠实验室、Michael J. Fox 基金会 (MJFF) 赞助的观察性 PD 临床试验和国立卫生研究院 (NIH) 尤德尔中心是收集数据的众多来源之一. 此外，来自国家睡眠研究资源的公共睡眠数据集，例如睡眠心脏健康研究 (SHHS) 和 MrOS 睡眠研究 (MrOS) 26，都包含在数据收集中。
第一阶段涉及在将近 12,000 个晚上检查 757 名帕金森病患者和大约 7,000 名健康对照志愿者的呼吸模式。接下来，麻省理工学院的团队使用这个庞大的夜间呼吸数据集通过神经网络训练其算法。
只需一晚的数据，人工智能模型就可以以 86% 的准确率诊断帕金森病患者。此外，研究还发现，经过12个晚上的连续追踪，帕金森病的诊断平均准确率可达95%。谁会想到以人脑为模型的合成设备最终会使用传感器来检测实际人脑的临床诊断?
帕金森病的早期人工智能检测
更有趣的是，该系统可能能够在任何运动症状出现之前检测到帕金森病。分析的数据集包含帕金森氏症诊断前后参与者的信息。两次睡眠时间大约相隔六年。在患者被诊断出患有帕金森氏症之前，AI 模型可以根据第一个睡眠数据集以 75% 的准确率预测未确诊人群中的帕金森氏症。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！