通過睡眠時的呼吸檢測疾病，人工智能為帕金森病的診斷提供了數字生物標誌物_風聞

　　帕金森病（PD）是目前全球發展速度最快的疾病之一，是繼阿爾茨海默症之後第二大最常見的神經系統疾病。帕金森病可見於從青少年到老年的各個年齡段，因此對健康的危害不容小覷，然而到目前為止，還沒有藥物可以逆轉或阻止該病的進展。因為帕金森病在臨牀上的診斷主要依賴於運動症狀的表現，如行動遲緩、靜止性震顫、肌肉僵直及姿勢平衡障礙等，但這些症狀往往在發病數年後才會出現。因此，迫切需要新的診斷生物標誌物，尤其是那些可以在早期檢測出疾病的生物標誌物。

　　2022年8月22日，發表在**《Nature Medicine》上的一項新研究中，來自麻省理工學院的研究團隊開發了一個人工智能模型，僅通過讀取一個人的呼吸特徵就可以檢測出帕金森病。該研究表明人工智能可以提供傳統手段上無法獲得的臨牀見解。**

　　多年來，該領域的研究人員已發現了一些潛在的帕金森病生物標誌物，像腦脊液、血液生化和神經影像學都具有良好的檢測潛力。然而，這些生物標誌物不但具有侵入性、成本高昂，而且還需要在專門的醫療機構進行，因此不適合用於提供早期診斷或持續跟蹤疾病進展的頻繁檢測。

　　早在1817年，帕金森病的發現者英國內科醫生詹姆斯·帕金森（James Parkinson）就注意到帕金森病與呼吸之間的關係。這一聯繫在後來的研究中得到進一步加強，即帕****金森病會導致腦幹中控制呼吸的區域退化、呼吸肌功能減弱和睡眠呼吸障礙。而且，這些呼吸症狀通常會在臨牀運動症狀出現前幾年出現，這表明呼吸特徵可以在臨牀診斷中用於風險評估。

　　在這項新研究中，**該團隊開發了一種新的基於人工智能的神經網絡模型用於檢測帕金森病、預測疾病嚴重程度並使用夜間呼吸（即睡眠時的呼吸特徵）跟蹤疾病隨時間的進展。**該系統以一個晚上的呼吸信號為輸入，可以通過佩戴在胸部或腹部的呼吸帶來採集。

　　此外，為了讓該系統可以每天晚上在家中睡覺的時候進行，而不需要接觸受試者的身體，該團隊開發了一種外觀像家用Wi-Fi路由器的設備，但該設備不提供互聯網接入，而是發射無線電信號，分析它們對周圍環境的反射，以提取受試者的呼吸特徵。然後，呼吸信號被輸入神經網絡，以被動的方式評估帕金森病。期間，患者和護理人員不需要做任何事情。

　　該模型設計的一個重要組成部分是，它從夜間呼吸中學習預測人的定量腦電圖（qEEG）的輔助任務，這可以防止模型過度擬合併有助於解釋模型的輸出信息。

　　該研究共同作者、羅徹斯特大學的神經學家、帕金森病專家Ray Dorsey教授説：“本世紀，我們在治療帕金森病上沒有任何突破，這表明我們目前評估新療法的方法並不理想。這項新研究可能是迄今為止對帕金森病進行的最大睡眠研究之一。”

　　該團隊表示，帕金森藥物開發的平均成本和時間分別約為13億美元和13年，這限制了許多製藥公司開發新療法的興趣。帕金森病是一種進展緩慢的疾病，目前跟蹤疾病發展的方法並不敏感，不能夠捕捉到細微的變化。因此，需要幾年時間的檢測。相比之下，這個新型基於人工智能的生物標誌物提供了對帕金森病進行性變化的敏感性證據。這將有助於縮短臨牀試驗，並降低成本，從而促進了藥物開發。

　　到目前為止的初步證據表情，該系統可以用於臨牀診斷前的風險評估。

　　總之，這項研究表明，人工智能的進步可以通過解決神經科學研究中尚未解決的重要挑戰，從而開發出新的生物標誌物以支持醫學發展。

　　論文鏈接：

　　https://www.nature.com/articles/s41591-022-01932-x