帕金森病是出了名的难以诊断，因为它主要依赖于运动症状的出现，如震颤、僵硬和迟钝，但这些症状往往在发病几年后出现。如今，美国麻省理工学院电子工程与计算机科学系的Dina Katabi教授和她的团队开发出一种人工智能模型，仅仅通过读取一个人的呼吸模式就能检测出帕金森病。

相关研究结果于2022年8月22日在线发表在期刊上，论文标题为“Artificial intelligence-enabled detection and assessment of Parkinson’s disease using nocturnal breathing signals”。

这种工具是一种神经网络，是一系列模拟人脑工作方式的关联算法，能够从一个人的夜间呼吸---睡眠时的呼吸模式--来评估这个人是否患有帕金森病。这种由麻省理工学院博士生Yuzhe Yang和博士后Yuan Yuan训练的神经网络还能够辨别人们所患的帕金森病的严重程度，并跟踪其疾病的进展。

多年来，科学家们已经研究了使用脑脊液和神经影像学检测帕金森病的潜力，但这类方法具有侵入性、成本高，并且需要进入专门的医疗中心，因此不适合进行频繁的可以提供早期诊断或持续跟踪疾病进展的测试。

这些作者证实对帕金森病的人工智能评估可以每天晚上在家里趁人睡着时进行，而且不需要接触他们的身体。为此，他们开发了一种外观像家用Wi-Fi路由器的设备，但该设备不提供互联网接入，而是发射无线电信号，分析这些信号在周围环境中的反射，并在不接触身体的情况下提取受试者的呼吸模式。然后，呼吸信号被提供这种神经网络，以被动的方式评估帕金森病，而且患者和护理人员不需要做任何工作。

Katabi说，“早在1817年，在James Parkinson的研究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这种疾病的潜力，而不用观察运动。一些医学研究已表明，呼吸系统症状在运动症状之前几年就已表现出来，这意味着呼吸特性在帕金森病诊断之前可能是有前景的风险评估。”

作为世界上增长最快的神经系统疾病，帕金森病是继阿尔茨海默病之后第二大最常见的神经系统疾病。仅在美国，它就困扰着100多万人，每年的经济负担达519亿美元。这些作者开发的设备在7687人身上进行了测试，包括757名帕金森病患者。

该系统从受试者佩戴的呼吸带或他们睡觉时身体反射的无线电信号中提取夜间呼吸信号。它通过神经网络处理呼吸信号，判断患者是否患有帕金森病，如果患有帕金森病，就根据运动障碍协会统一帕金森病评定量表（Movement Disorder Society Unified Parkinson s Disease Rating Scale）评估病情。

Katabi指出，这项新的研究对帕金森病药物开发和临床护理具有重要意义。她说，“在药物开发方面，该结果可以使临床试验的持续时间大大缩短，参与者更少，最终加快新疗法的开发。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。”

论文共同作者、罗切斯特大学神经学教授和帕金森病专家Ray Dorsey说，“本世纪我们没有任何治疗上的突破，这表明我们目前评估新疗法的方法是次优的。”Dorsey补充说，这项新的研究可能是迄今为止对帕金森病进行的最大的睡眠研究之一。

参考资料：

Yuzhe Yang et al. Artificial intelligence-enabled detection and assessment of Parkinson's disease using nocturnal breathing signals. Nature Medicine, 2022, doi:10.1038/s41591-022-01932-x.