MIT科學家設計人工智能系統 通過追蹤呼吸模式檢測帕金森病

一項引人注目的新研究表明，帕金森病可通過遠程跟蹤一個人的呼吸模式進行診斷。該研究由麻省理工學院的研究人員領導，提出了一個人工智能系統，該系統利用無線電波在人睡覺時監測呼吸。

這項新研究的主要調查員Dina Katabi說，這項研究的靈感來自於詹姆斯·帕金森200年前的觀察，他是第一個對這種退行性神經疾病的跡象進行臨床分類的醫生。

Katabi解釋說：“早在1817年，詹姆斯·帕金森博士的工作中就注意到了帕金森病與呼吸之間的關係。這促使我們考慮從一個人的呼吸中檢測出這種疾病的可能性，而不看動作。一些醫學研究表明，呼吸癥狀比運動癥狀早幾年表現出來，這意味着在帕金森病診斷之前，呼吸屬性可能是有希望的風險評估。”

第一步是在一個巨大的夜間呼吸數據集上訓練一個神經網絡。研究人員分析了近12000個夜晚的呼吸模式，來自757名帕金森病患者和約7000名健康對照對象。

在一個獨立的數據集上測試人工智能模型，它能夠以86%的準確率從一個晚上的數據中診斷出帕金森病人。平均而言，該研究發現連續追蹤12個晚上，診斷帕金森病的準確率可以達到95%左右。

更有趣的是，該系統有可能在任何運動癥狀出現之前就診斷出帕金森病。研究的數據集包括帕金森病診斷前後的受試者數據。兩次睡眠訪問相隔6年左右，人工智能模型可以從第一組睡眠數據中預測未診斷的隊列中的帕金森病，準確率為75%，在患者被診斷為帕金森病之前。

“目前，帕金森病的診斷是基於臨床運動癥狀的存在，估計這些癥狀是在50-80%的多巴胺能神經元已經退化后出現的，”研究人員在研究報告中寫道。“我們的系統顯示了初步證據，它有可能在臨床運動癥狀之前提供風險評估。”

當然還需要更多的工作來驗證該系統作為早期診斷工具，但更直接的用途可能是跟蹤疾病的進展。研究中分析的其他數據顯示，人工智能模型可以在12個月內跟蹤一名帕金森病患者，並將呼吸模式的變化與疾病嚴重程度的增加聯繫起來。

據Katabi說，這可以在各種情況下使用，從改善生活在偏遠環境中的病人的臨床護理到幫助研究人員在臨床試驗中評估新藥物治療的療效。

Katabi說：“在藥物開發方面，這些結果可以使臨床試驗的持續時間大大縮短，參與者減少，最終加速新療法的開發。在臨床護理方面，該方法可以幫助評估傳統上服務不足的社區的帕金森病患者，包括那些生活在農村地區的患者和那些因行動不便或認知障礙而難以出門的患者。”

現在還為時過早，但研究人員已經開發出一種壁掛式設備，可用於在家中監測病人。最終，這種設備可以作為一個早期預警系統，用於高於平均水平的帕金森病患者，或希望密切監測其疾病進展的早期階段的患者。

“我們設想，該系統最終可以部署在帕金森病患者和帕金森病高危人群（例如，那些有LRRK2基因突變的人）的家中，被動地監測他們的狀態，並向他們的提供者提供反饋，”研究人員在新的研究中推測。“如果該模型檢測到帕金森患者的嚴重程度升級，或在高危人群中轉換為PD，臨床醫生可以通過遠程保健或訪問診所對患者進行跟蹤，以確認結果。”

這項新研究發表在《自然醫學》上。