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识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，如震颤，僵硬和缓慢。尽管如此，这些症状往往在疾病发作后几年出现。

现在，麻省理工学院电气工程与计算机科学系(EECS)的Thuan(1990)和Nicole Pham教授，麻省理工学院贾米尔诊所的首席研究员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氏症。

有问题的工具是一个神经网络，一系列模仿人脑工作方式的连接算法，能够评估某人是否因夜间呼吸而患有帕金森氏症 - 即睡眠时发生的呼吸模式。该神经网络由麻省理工学院博士生Yuzhe Yang和博士后袁元训练，也能够辨别某人帕金森病的严重程度，并跟踪他们疾病随时间推移的进展。

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》杂志上。Katabi也是麻省理工学院计算机科学与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。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Yuan和12名同事也加入了他们的行列。

多年来，研究人员已经研究了使用脑脊液和神经成像检测帕金森氏症的潜力，但这种方法具有侵入性，成本高昂，并且需要进入专门的医疗中心，这使得它们不适合频繁的测试，否则可以提供早期诊断或连续跟踪疾病进展。

麻省理工学院的研究人员证明，帕金森氏症的人工智能评估可以在人睡着时每天晚上在家里进行，而无需触摸他们的身体。为此，该团队开发了一种具有家用Wi-Fi路由器外观的设备，但该设备不是提供互联网接入，而是发出无线电信号，分析周围环境的反射，并在没有任何身体接触的情况下提取受试者的呼吸模式。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，并且患者和护理人员不需要任何努力。

“帕金森氏症和呼吸之间的关系早在1817年就被注意到了，在詹姆斯·帕金森博士的工作中。这促使我们考虑在不看运动的情况下从呼吸中发现疾病的潜力，“Katabi说。“一些医学研究表明，呼吸道症状在运动症状出现前几年出现，这意味着呼吸属性可能有望在帕金森氏症诊断之前进行风险评估。

帕金森氏症是世界上增长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。仅在美国，它就折磨着100多万人，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，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，结果可以使临床试验具有显着更短的持续时间和更少的参与者，最终加速新疗法的开发。在临床护理方面，这种方法可以帮助评估传统上服务不足的社区的帕金森病患者，包括那些生活在农村地区的人以及那些由于行动不便或认知障碍而难以离开家的人，“她说。

“本世纪我们没有治疗上的突破，这表明我们目前评估新疗法的方法并不理想，”罗切斯特大学神经病学教授、帕金森病专家Ray Dorsey说。多尔西补充说，这项研究可能是有史以来对帕金森氏症进行的最大睡眠研究之一。“我们关于这种疾病在自然环境中的表现的信息非常有限，[Katabi的]设备可以让你对人们在家中的表现进行客观，真实的评估。我喜欢打的(目前帕金森氏症的评估)的类比是晚上的路灯，我们从路灯上看到的是一个非常小的片段......[Katabi]完全非接触式传感器帮助我们照亮黑暗。