医生很快就能通过让患者做一件简单的事情来评估帕金森病。由麻省理工学院研究人员领导的一项新研究训练了一个神经网络，以分析一个人在睡眠时的呼吸模式，并确定受试者是否患有帕金森氏症。最近发表于自然医学，这项工作可能导致早期检测和治疗。
“我们的目标是创造一种可靠、方便的方法来检测和评估帕金森氏症。受帕金森氏症和呼吸信号之间的高维复杂联系的启发，自然选择是使用机器学习的能力来诊断和跟踪进展，”主要作者杨宇哲说，麻省理工学院计算机科学与人工智能实验室的博士生。
众所周知，帕金森氏症很难确定，但它已成为全球增长最快的神经系统疾病。美国约有 100 万人，全世界约有 1000 万人与之生活在一起。尽管有这些数字，但没有一种特定的测试可以快速或明确诊断。
作为一种进行性疾病，帕金森氏症通常以轻微的手震颤等轻微症状开始。它会影响神经系统，最终导致无法控制的运动、颤抖、行走时僵硬和平衡问题。随着时间的推移，言语可能变得含糊不清，面部表情逐渐消失。
神经学家在诊断帕金森病之前，通常会回顾患者的症状和病史，并依靠影像学和实验室工作排除其他疾病。但症状各不相同，与其他几种疾病相似，可能导致误诊和医疗延误。早期发现有助于患者在帕金森病发作期间服用更有效的药物。
根据作者的说法，詹姆斯·帕金森在 1817 年注意到夜间呼吸与帕金森氏症之间的相关性。作为一名英国医生，他第一个描述了六个人的症状，他称之为震颤麻痹，后来更名为。
其他研究还发现，控制患者呼吸的区域的脑干退化比运动技能症状早几年发生，可能是该疾病的早期指标。
研究人员看到了使用人工智能的机会，这是一种检测模式和帮助疾病诊断的强大工具。他们训练了一个神经网络来分析呼吸模式，并学习帕金森氏症的特征。
该研究数据集对 757 名帕金森病患者和 6914 名对照受试者进行了抽样，在 11964 个晚上共睡眠 12 万小时。该团队在几个方面训练了神经网络模型 NVIDIA Titan Xp GPU 使用 cuDDN 加速 PyTorch 深度学习框架。
图 1.根据夜间呼吸信号诊断帕金森病和预测疾病严重程度的人工智能模型概述
大量数据来自研究人员开发的无线无线电发射器。与 Wi-Fi 路由器外观相似，该设备发射无线电波并捕捉环境变化，包括人胸部的起伏。神经网络分析模式并确定样本中是否存在帕金森氏症。
人工智能模型，使用 NVIDIA Titan Xp GPU 检测帕金森病的准确率接近 80% ，阴性诊断的准确率为 82% 。该算法还可以确定帕金森氏症的严重程度，并跟踪疾病随时间的进展。
这项工作有可能利用新发现的用于诊断和跟踪进展的数字生物标志物加速药物开发。使用能够检测患者细微变化和对新疗法的反应的人工智能模型可以加快临床试验，降低成本，并为更有效的治疗提供信息。
它还可以为城市中心以外的人们提供更容易获得和公平的医疗保健选择，而专家们通常在城市中心行医。
杨表示，该团队希望通过收集和测试全球更多样化人群和患者的数据，使该模型更加稳健和准确。他们还设想了该模型用于检测帕金森氏症以外的疾病的用例。
“我们相信有机会将该方法应用于检测其他神经系统疾病，例如阿尔茨海默病。关键问题是我们需要收集大量多样的数据集，以进行模型训练和评估，以进行严格验证，”杨说。
联系 pd-breathing@mit.edu 有关出于非商业目的访问代码的信息。
阅读研究报告 利用夜间呼吸信号，人工智能能够检测和评估帕金森病 .
