人工智能模型可以通过呼吸模式检测帕金森症
众所周知，帕金森氏症很难诊断，因为它主要依赖于运动症状的出现，如颤抖、僵硬和行动迟缓，但这些症状往往在疾病发病数年后才出现。现在，麻省理工学院电气工程和计算机科学系(EECS)的Thuan(1990)和Nicole Pham教授、麻省理工学院Jameel诊所的首席研究员Dina Katabi和她的团队开发了一种人工智能模型，可以通过阅读一个人的呼吸模式来检测帕金森症。
这个问题中的工具是一个神经网络，它是一系列模仿人类大脑工作方式的连接算法，能够从一个人的夜间活动来评估他是否患有帕金森症呼吸即:即睡眠时的呼吸模式。由麻省理工学院博士生杨宇哲和博士后袁媛训练的神经网络，也能够识别帕金森病的严重程度，并跟踪疾病的发展。
杨和袁是描述这项工作的新论文的共同第一作者，今天发表在自然医学．Katabi也是麻省理工学院计算机科学和人工智能实验室的成员，也是无线网络和移动计算中心的主任，是该研究的高级作者。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名同事也加入了他们的行列。
多年来，研究人员一直在研究检测帕金森氏症的潜力脑脊髓液还有神经成像，但这种方法侵入性强、成本高，而且需要到专门的医疗中心就诊，因此不适合进行频繁的检测，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，对帕金森氏症的人工智能评估可以每天晚上在家里进行，当患者睡觉时，无需接触他们的身体。为此，该团队开发了一种外观像家用Wi-Fi路由器的设备，但并没有提供互联网接入，该设备发出无线电信号分析他们对周围环境的反射，并在没有任何身体接触的情况下提取受试者的呼吸模式。呼吸信号被传送到神经网络以被动的方式评估帕金森氏症，不需要病人和照顾者付出任何努力。
早在1817年，詹姆斯·帕金森(James Parkinson)博士的研究就指出了帕金森症和呼吸之间的关系。这促使我们考虑从一个人的呼吸来检测疾病的可能性，而不需要观察运动，”Katabi说。“一些医学研究已经表明呼吸症状比运动症状早几年出现，这意味着呼吸属性可能是有希望的风险评估在诊断出帕金森之前。”
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氏症的第二大常见神经系统疾病。仅在美国，它就折磨着100多万人，每年造成519亿美元的经济负担。该研究团队的设备在7687人身上进行了测试，其中包括757名帕金森患者。
Katabi指出，这项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，研究结果可以使临床试验的持续时间显著缩短，参与者也更少，最终加速新疗法的开发。而言,临床护理在美国，这种方法可以帮助评估传统上服务不足的社区的帕金森患者，包括那些居住在这里的人农村地区以及那些难以离开家的人有限的流动性或者认知障碍，”她说。
“本世纪我们在治疗上没有任何突破，这表明我们目前评估新疗法的方法并不理想，”罗切斯特大学(University of Rochester)神经学教授、帕金森病专家雷·多西(Ray Dorsey)说。他是这篇论文的合著者。多尔西补充说，这项研究可能是迄今为止针对帕金森症进行的最大的睡眠研究之一。
“关于这种疾病在自然环境中的表现，我们的信息非常有限，(Katabi的)设备可以让你对人们在家里的情况进行客观、真实的评估。我喜欢把(目前的帕金森症评估)比作夜晚的路灯，我们从路灯看到的是非常小的一部分……(Katabi的)完全非接触传感器帮助我们照亮黑暗。”
进一步探索
本文由麻省理工学院新闻(web.mit.edu/newsoffice/)，这是一个很受欢迎的网站，涵盖麻省理工学院的研究、创新和教学方面的新闻。
