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，这些症状通常在疾病发作几年后出现。

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Dina Katabi以及麻省理工学院Jameel Clinic的首席研究员，以及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。

由麻省理工学院博士生Yuzhe Yang和博士后Yuan Yuan训练的新神经网络评估某人是否患有夜间呼吸的帕金森氏症。研究人员/麻省理工学院的插图

所讨论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，能够评估某人是否患有帕金森氏症，因为他们的夜间呼吸 - 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Yuan Yuan训练，还能够识别某人帕金森病的严重程度，并跟踪其疾病随时间推移的进展。

Yang是一篇描述这项工作的新论文的第一作者，该论文发表在Nature Medicine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。Yuan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持续跟踪疾病进展。

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每天晚上在家里进行，而人睡着了，不用触摸他们的身体。为此，该团队开发了一种具有家庭Wi-Fi路由器外观的设备，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了帕金森病和呼吸之间的关系。这促使我们考虑在不看运动的情况下从呼吸中检测疾病的潜力，“Katabi说。“一些医学研究表明，呼吸道症状在运动症状出现之前几年就出现了，这意味着呼吸属性对于帕金森氏症诊断之前的风险评估可能是有希望的。

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常见的神经系统疾病。仅在美国，它就折磨着1多万人，每年的经济负担为51亿美元。研究小组的算法在9，7人身上进行了测试，其中包括687名帕金森病患者。

Katabi指出，这项研究对帕金森的药物开发和临床护理具有重要意义。“在药物开发方面，这些结果可以使临床试验的持续时间明显缩短，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上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。

“本世纪我们没有治疗突破，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。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睡眠研究之一。“我们对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里的表现进行客观的、真实的评估。我喜欢[对当前帕金森氏症的评估]进行类比，是晚上的路灯，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。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！