人工智能模型可以从呼吸模式中检测帕金森氏症

麻省理工学院开发的具有Wi-Fi路由器外观的设备使用神经网络来辨别世界上增长最快的神经系统疾病之一的存在和严重程度。众所周知，帕金森病很难诊断，因为它主要依赖于运动症状的出现，例如震颤、僵硬和迟缓。尽管如此，这些症状通常在疾病发作几年后出现。

由麻省理工学院博士生YuzheYang和博士后YuanYuan训练的新神经网络可以通过夜间呼吸评估某人是否患有帕金森氏症。研究人员/麻省理工学院的插图

有问题的工具是神经网络，这是一系列模拟人类大脑工作方式的连接算法，能够通过夜间呼吸来评估某人是否患有帕金森氏症——即睡眠时出现的呼吸模式。由麻省理工学院博士生YuzheYang和博士后YuanYuan训练的神经网络还能够辨别某人帕金森病的严重程度，并随着时间的推移跟踪他们的疾病进展。

杨是一篇描述这项工作的新论文的第一作者，该论文发表在《自然医学》上。Katabi是麻省理工学院计算机科学和人工智能实验室的附属机构，也是无线网络和移动计算中心的主任，是资深作者。袁和来自罗格斯大学、罗切斯特大学医学中心、梅奥诊所、​​马萨诸塞州总医院和波士顿大学健康与康复学院的12位同事也加入了他们的行列。

多年来，研究人员一直在研究使用脑脊液和神经影像学检测帕金森氏症的潜力，但这种方法具有侵入性、成本高，并且需要进入专门的医疗中心，因此不适合频繁检测，否则可以提供早期诊断或持续跟踪疾病进展。

麻省理工学院的研究人员证明，帕金森病的人工智能评估可以每天晚上在人们睡觉时在家中进行，而无需接触他们的身体。为此，该团队开发了一种外观类似于家庭Wi-Fi路由器的设备，但该设备不提供互联网接入，而是发射无线电信号，分析它们在周围环境中的反射，并在没有任何身体的情况下提取对象的呼吸模式接触。然后将呼吸信号馈送到神经网络，以被动方式评估帕金森氏症，患者和护理人员无需付出任何努力。

“早在1817年，詹姆斯·帕金森博士的工作就注意到帕金森氏症与呼吸之间的关系。这促使我们考虑在不看动作的情况下通过呼吸检测疾病的可能性，”Katabi说。“一些医学研究表明，呼吸系统症状在运动症状之前数年就出现了，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。”

帕金森氏症是世界上发展最快的神经系统疾病，是仅次于阿尔茨海默病的第二大常见神经系统疾病。仅在，它就折磨着超过100万人，每年的经济负担为519亿美元。研究小组的算法在7,687人身上进行了测试，其中包括757名帕金森病患者。

Katabi指出，该研究对帕金森氏症的药物开发和临床护理具有重要意义。“在药物开发方面，结果可以使临床试验的持续时间显着缩短，参与者更少，最终加速新疗法的开发。在临床护理方面，该方法可以帮助评估传统服务不足社区的帕金森病患者，包括居住在农村地区的患者以及由于行动不便或认知障碍而难以离开家的患者，”她说。

“本世纪我们在治疗方面没有取得突破，这表明我们目前评估新疗法的方法并不理想，”罗彻斯特大学神经学教授、帕金森病专家雷·多尔西说，他是该论文的共同作者。Dorsey补充说，这项研究可能是有史以来对帕金森氏症进行的最大的睡眠研究之一。“我们对疾病在自然环境中表现的信息非常有限，而[Katabi的]设备可以让您客观、真实地评估人们在家中的表现。我喜欢用[当前帕金森的评估]做的类比是夜晚的路灯，而我们从路灯中看到的只是很小的一部分……[Katabi的]完全非接触式传感器帮助我们照亮黑暗。”

标签：