这项新研究的主要调查员Dina Katabi说，这项研究的灵感来自于詹姆斯·帕金森200年前的观察，他是第一个对这种退行性神经疾病的迹象进行临床分类的医生。
【资料图】
Katabi解释说：“早在1817年，詹姆斯·帕金森博士的工作中就注意到了帕金森病与呼吸之间的关系。这促使我们考虑从一个人的呼吸中检测出这种疾病的可能性，而不看动作。一些医学研究表明，呼吸症状比运动症状早几年表现出来，这意味着在帕金森病诊断之前，呼吸属性可能是有希望的风险评估。”
第一步是在一个巨大的夜间呼吸数据集上训练一个神经网络。研究人员分析了近12000个夜晚的呼吸模式，来自757名帕金森病患者和约7000名健康对照对象。
在一个独立的数据集上测试人工智能模型，它能够以86%的准确率从一个晚上的数据中诊断出帕金森病人。平均而言，该研究发现连续追踪12个晚上，诊断帕金森病的准确率可以达到95%左右。
更有趣的是，该系统有可能在任何运动症状出现之前就诊断出帕金森病。研究的数据集包括帕金森病诊断前后的受试者数据。两次睡眠访问相隔6年左右，人工智能模型可以从第一组睡眠数据中预测未诊断的队列中的帕金森病，准确率为75%，在患者被诊断为帕金森病之前。
“目前，帕金森病的诊断是基于临床运动症状的存在，估计这些症状是在50-80%的多巴胺能神经元已经退化后出现的，”研究人员在研究报告中写道。“我们的系统显示了初步证据，它有可能在临床运动症状之前提供风险评估。”
当然还需要更多的工作来验证该系统作为早期诊断工具，但更直接的用途可能是跟踪疾病的进展。研究中分析的其他数据显示，人工智能模型可以在12个月内跟踪一名帕金森病患者，并将呼吸模式的变化与疾病严重程度的增加联系起来。
据Katabi说，这可以在各种情况下使用，从改善生活在偏远环境中的病人的临床护理到帮助研究人员在临床试验中评估新药物治疗的疗效。
Katabi说：“在药物开发方面，这些结果可以使临床试验的持续时间大大缩短，参与者减少，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的社区的帕金森病患者，包括那些生活在农村地区的患者和那些因行动不便或认知障碍而难以出门的患者。”
现在还为时过早，但研究人员已经开发出一种壁挂式设备，可用于在家中监测病人。最终，这种设备可以作为一个早期预警系统，用于高于平均水平的帕金森病患者，或希望密切监测其疾病进展的早期阶段的患者。
“我们设想，该系统最终可以部署在帕金森病患者和帕金森病高危人群（例如，那些有LRRK2基因突变的人）的家中，被动地监测他们的状态，并向他们的提供者提供反馈，”研究人员在新的研究中推测。“如果该模型检测到帕金森患者的严重程度升级，或在高危人群中转换为PD，临床医生可以通过远程保健或访问诊所对患者进行跟踪，以确认结果。”
这项新研究发表在《自然医学》上。
