醫(yī)生很快就能通過(guò)讓患者做一件簡(jiǎn)單的事情來(lái)評(píng)估帕金森病。由麻省理工學(xué)院研究人員領(lǐng)導(dǎo)的一項(xiàng)新研究訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)，以分析一個(gè)人在睡眠時(shí)的呼吸模式，并確定受試者是否患有帕金森氏癥。最近發(fā)表于自然醫(yī)學(xué)，這項(xiàng)工作可能導(dǎo)致早期檢測(cè)和治療。

“我們的目標(biāo)是創(chuàng)造一種可靠、方便的方法來(lái)檢測(cè)和評(píng)估帕金森氏癥。受帕金森氏癥和呼吸信號(hào)之間的高維復(fù)雜聯(lián)系的啟發(fā)，自然選擇是使用機(jī)器學(xué)習(xí)的能力來(lái)診斷和跟蹤進(jìn)展，”主要作者楊宇哲說(shuō)，麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室的博士生。

眾所周知，帕金森氏癥很難確定，但它已成為全球增長(zhǎng)最快的神經(jīng)系統(tǒng)疾病。美國(guó)約有 100 萬(wàn)人，全世界約有 1000 萬(wàn)人與之生活在一起。盡管有這些數(shù)字，但沒(méi)有一種特定的測(cè)試可以快速或明確診斷。

作為一種進(jìn)行性疾病，帕金森氏癥通常以輕微的手震顫等輕微癥狀開(kāi)始。它會(huì)影響神經(jīng)系統(tǒng)，最終導(dǎo)致無(wú)法控制的運(yùn)動(dòng)、顫抖、行走時(shí)僵硬和平衡問(wèn)題。隨著時(shí)間的推移，言語(yǔ)可能變得含糊不清，面部表情逐漸消失。

神經(jīng)學(xué)家在診斷帕金森病之前，通常會(huì)回顧患者的癥狀和病史，并依靠影像學(xué)和實(shí)驗(yàn)室工作排除其他疾病。但癥狀各不相同，與其他幾種疾病相似，可能導(dǎo)致誤診和醫(yī)療延誤。早期發(fā)現(xiàn)有助于患者在帕金森病發(fā)作期間服用更有效的藥物。

根據(jù)作者的說(shuō)法，詹姆斯·帕金森在 1817 年注意到夜間呼吸與帕金森氏癥之間的相關(guān)性。作為一名英國(guó)醫(yī)生，他第一個(gè)描述了六個(gè)人的癥狀，他稱(chēng)之為震顫麻痹，后來(lái)更名為。

其他研究還發(fā)現(xiàn)，控制患者呼吸的區(qū)域的腦干退化比運(yùn)動(dòng)技能癥狀早幾年發(fā)生，可能是該疾病的早期指標(biāo)。

研究人員看到了使用人工智能的機(jī)會(huì)，這是一種檢測(cè)模式和幫助疾病診斷的強(qiáng)大工具。他們訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)分析呼吸模式，并學(xué)習(xí)帕金森氏癥的特征。

該研究數(shù)據(jù)集對(duì) 757 名帕金森病患者和 6914 名對(duì)照受試者進(jìn)行了抽樣，在 11964 個(gè)晚上共睡眠 12 萬(wàn)小時(shí)。該團(tuán)隊(duì)在幾個(gè)方面訓(xùn)練了神經(jīng)網(wǎng)絡(luò)模型 NVIDIA Titan Xp GPU 使用 cuDDN 加速 PyTorch 深度學(xué)習(xí)框架。

大量數(shù)據(jù)來(lái)自研究人員開(kāi)發(fā)的無(wú)線無(wú)線電發(fā)射器。與 Wi-Fi 路由器外觀相似，該設(shè)備發(fā)射無(wú)線電波并捕捉環(huán)境變化，包括人胸部的起伏。神經(jīng)網(wǎng)絡(luò)分析模式并確定樣本中是否存在帕金森氏癥。

人工智能模型，使用 NVIDIA Titan Xp GPU 檢測(cè)帕金森病的準(zhǔn)確率接近 80% ，陰性診斷的準(zhǔn)確率為 82% 。該算法還可以確定帕金森氏癥的嚴(yán)重程度，并跟蹤疾病隨時(shí)間的進(jìn)展。

這項(xiàng)工作有可能利用新發(fā)現(xiàn)的用于診斷和跟蹤進(jìn)展的數(shù)字生物標(biāo)志物加速藥物開(kāi)發(fā)。使用能夠檢測(cè)患者細(xì)微變化和對(duì)新療法的反應(yīng)的人工智能模型可以加快臨床試驗(yàn)，降低成本，并為更有效的治療提供信息。

它還可以為城市中心以外的人們提供更容易獲得和公平的醫(yī)療保健選擇，而專(zhuān)家們通常在城市中心行醫(yī)。

楊表示，該團(tuán)隊(duì)希望通過(guò)收集和測(cè)試全球更多樣化人群和患者的數(shù)據(jù)，使該模型更加穩(wěn)健和準(zhǔn)確。他們還設(shè)想了該模型用于檢測(cè)帕金森氏癥以外的疾病的用例。

“我們相信有機(jī)會(huì)將該方法應(yīng)用于檢測(cè)其他神經(jīng)系統(tǒng)疾病，例如阿爾茨海默病。關(guān)鍵問(wèn)題是我們需要收集大量多樣的數(shù)據(jù)集，以進(jìn)行模型訓(xùn)練和評(píng)估，以進(jìn)行嚴(yán)格驗(yàn)證，”楊說(shuō)。

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級(jí)開(kāi)發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學(xué)作家的背景。她在 NVIDIA 為開(kāi)發(fā)者博客撰文，重點(diǎn)介紹了開(kāi)發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯：郭婷