人工智能模型可以通过呼吸模式检测帕金森症

众所周知,帕金森病很难诊断,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,但这些症状通常在发病几年后出现。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、麻省理工学院贾米尔诊所(MIT Jameel Clinic)的首席研究员Dina Katabi和她的团队开发了一种人工智能模型,可以通过读取一个人的呼吸模式来检测帕金森症。
这个工具是一个神经网络,它是一系列模仿人脑工作方式的相互连接的算法,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: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,还能够识别某人帕金森病的严重程度,并跟踪他们疾病的进展。
杨和袁是一篇描述这项工作的新论文的共同第一作者,该论文今天发表在《科学》杂志上自然医学.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,无线网络和移动计算中心主任,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症的潜力脑脊髓液以及神经成像,但这类方法侵入性强、成本高,而且需要专门的医疗中心,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,帕金森氏症的人工智能评估可以在每天晚上在家睡觉时进行,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,但并没有提供互联网接入时,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。然后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,而且患者和护理人员不需要付出任何努力。
“早在1817年,詹姆斯·帕金森(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运动的情况下,从一个人的呼吸中检测疾病的可能性,”Katabi说。“一些医学研究研究表明,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帕金森氏症诊断之前。”
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,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显著缩短,参与者更少,最终加速新疗法的开发。在这方面临床护理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,包括那些住在帕金森氏症的人农村地区以及因有限的流动性或者认知障碍,”她说。
“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,”论文合著者、罗切斯特大学神经学教授、帕金森病专家雷·多尔西(Ray Dorsey)说。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规模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,(卡塔比的)设备可以让你对人们在家里的表现进行客观、真实的评估。我喜欢把(目前的帕金森病评估)比作夜晚的路灯,我们从路灯上看到的是非常小的一部分……(Katabi的)完全非接触式传感器帮助我们照亮黑暗。”
进一步探索
本文转载自麻省理工学院新闻(web.mit.edu/newsoffice/),这是一个很受欢迎的网站,涵盖有关麻省理工学院研究、创新和教学的新闻。