AI模型从呼吸模式中检测帕金森氏症

麻省理工学院的一组研究人员开发了一种人工智能(AI)模型，该模型可以通过读取一个人的呼吸模式来检测帕金森氏症。

神经网络能够评估一个人的夜间呼吸或睡眠呼吸模式，以确定他们是否患有帕金森氏症。它由麻省理工学院博士生Yuzhe Yang和博士后Yuan Tuan训练，它可以确定某人帕金森病的严重程度，同时跟踪其随时间的进展。

杨是新研究论文的第一作者，该论文发表在《自然医学》上。

整个团队包括Dina Katabi，电气工程和计算机科学系(EECS)的Thuan和Nicole Pham教授，以及麻省理工学院Jameel诊所的首席研究员。

Katabi是资深作者，也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。

研究人员一直在研究用脑脊液和神经影像学检测帕金森氏症的潜力，但这些方法具有侵入性且成本高昂。他们还需要进入专门的医疗中心。

每天晚上进行人工智能评估研究人员团队着手克服这些挑战，并证明了帕金森病的人工智能评估可以每天晚上在家中进行。这个人甚至可以在不接触身体的情况下睡着。

研究人员开发了一种看起来像家用Wi-Fi路由器的设备，它会发射无线电信号，分析它们在周围环境中的反射，并在没有任何身体接触的情况下提取对象的呼吸模式。呼吸信号被馈送到神经网络以评估帕金森氏症，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。”

据Katabi称，该研究对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，该方法有助于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因行动不便或认知障碍而难以离开家的患者，”她说。

Ray Dorsey是罗切斯特大学的神经学教授，也是该论文的合著者。他是帕金森病专家，他说这项研究可能是有史以来对帕金森病进行的最大的睡眠研究之一。

“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，”多尔西说。“我们对疾病在自然环境中表现的信息非常有限，而Katabi设备可以让您客观、真实地评估人们在家中的表现。我喜欢将[当前帕金森的评估]比喻为夜晚的路灯，而我们从路灯中看到的只是很小的一部分……Katabi完全非接触式传感器帮助我们照亮黑暗。”

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。