众所周知，帕金森氏病很难诊断，因为它主要依赖于运动症状的表现，如颤抖、僵硬和缓慢，但这些症状往往在发病数年后才出现。
现在，麻省理工学院电子工程与计算机科学系(EECS)的Dina Katabi和Nicole Pham教授，以及麻省理工学院Jameel诊所的首席研究员和她的团队开发了一个人工智能模型，可以通过读取一个人的呼吸模式来检测帕金森病。
我们讨论的这个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呼吸来评估他是否患有帕金森氏症：即睡眠时的呼吸模式。
该神经网络由麻省理工学院博士生 Yuzhe Yang和博士后Yuan Yuan训练，还能够识别帕金森病的严重程度，并跟踪他们的疾病随着时间的推移的进展。
Yang和Yuan是一篇描述这项工作的新论文的共同第一作者，该论文近日发表在《自然医学》杂志上，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，无线网络和移动计算中心的主任。
多年来，研究人员一直在研究使用脑脊液和神经成像来检测帕金森病，但这些方法具有侵入性，成本高，而且需要前往专门的医疗中心，这使得它们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，帕金森症的人工智能评估可以每天晚上人在睡觉的家里进行，而且不需要接触他们的身体。
为此，研究小组开发了一种外观像家用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。
然后，呼吸信号被输入神经网络，以被动的方式评估帕金森病，患者和护理人员无需付出任何努力。
“早在1817年，James Parkinson)博士的工作中就注意到了帕金森症和呼吸之间的关系，这促使我们考虑在不观察动作的情况下，通过一个人的呼吸来检测疾病的可能性，”Katabi说。
“一些医学研究表明，呼吸系统症状比运动症状早几年出现，这意味着在诊断帕金森病之前，呼吸特征可能最有希望用于风险评估。”
帕金森病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。仅在美国，就有100多万人受其折磨，每年的经济负担高达519亿美元，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，这项研究对帕金森病药物开发和临床护理具有重要意义。在药物开发方面，该结果可以使临床试验的持续时间显著缩短，参与者更少，最终加速新疗法的开发。
她说：“就临床护理而言，这种方法可以帮助评估传统上服务不足社区的帕金森患者，包括那些生活在农村地区的患者，以及那些由于行动受限或认知障碍而难以离开家的患者。”
罗彻斯特大学(University of Rochester)神经学教授、帕金森病专家Ray Dorsey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。”Dorsey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。
Dorsey最后表示：“关于这种疾病在自然环境中的表现，我们的信息非常有限，设备可以让你对人们在家里的情况进行客观、真实的评估。我喜欢用(目前的帕金森病评估)来做个类比，就像晚上的路灯，而我们从路灯上看到的只是很小的一部分，完全非接触式传感器帮助我们照亮黑暗。”
原文链接：https://neurosciencenews.com/artificial-intelligence-breathing-parkinsons-21305/
