醫(yī)生很快就能通過讓患者做一件簡單的事情來評估帕金森病。由麻省理工學院研究人員領導的一項新研究訓練了一個神經(jīng)網(wǎng)絡，以分析一個人在睡眠時的呼吸模式，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，這項工作可能導致早期檢測和治療。

“我們的目標是創(chuàng)造一種可靠、方便的方法來檢測和評估帕金森氏癥。受帕金森氏癥和呼吸信號之間的高維復雜聯(lián)系的啟發(fā)，自然選擇是使用機器學習的能力來診斷和跟蹤進展，”主要作者楊宇哲說，麻省理工學院計算機科學與人工智能實驗室的博士生。

眾所周知，帕金森氏癥很難確定，但它已成為全球增長最快的神經(jīng)系統(tǒng)疾病。美國約有 100 萬人，全世界約有 1000 萬人與之生活在一起。盡管有這些數(shù)字，但沒有一種特定的測試可以快速或明確診斷。

作為一種進行性疾病，帕金森氏癥通常以輕微的手震顫等輕微癥狀開始。它會影響神經(jīng)系統(tǒng)，最終導致無法控制的運動、顫抖、行走時僵硬和平衡問題。隨著時間的推移，言語可能變得含糊不清，面部表情逐漸消失。

神經(jīng)學家在診斷帕金森病之前，通常會回顧患者的癥狀和病史，并依靠影像學和實驗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性。作為一名英國醫(yī)生，他第一個描述了六個人的癥狀，他稱之為震顫麻痹，后來更名為。

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

研究人員看到了使用人工智能的機會，這是一種檢測模式和幫助疾病診斷的強大工具。他們訓練了一個神經(jīng)網(wǎng)絡來分析呼吸模式，并學習帕金森氏癥的特征。

該研究數(shù)據(jù)集對 757 名帕金森病患者和 6914 名對照受試者進行了抽樣，在 11964 個晚上共睡眠 12 萬小時。該團隊在幾個方面訓練了神經(jīng)網(wǎng)絡模型 NVIDIA Titan Xp GPU 使用 cuDDN 加速 PyTorch 深度學習框架。

大量數(shù)據(jù)來自研究人員開發(fā)的無線無線電發(fā)射器。與 Wi-Fi 路由器外觀相似，該設備發(fā)射無線電波并捕捉環(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 檢測帕金森病的準確率接近 80% ，陰性診斷的準確率為 82% 。該算法還可以確定帕金森氏癥的嚴重程度，并跟蹤疾病隨時間的進展。

這項工作有可能利用新發(fā)現(xiàn)的用于診斷和跟蹤進展的數(shù)字生物標志物加速藥物開發(fā)。使用能夠檢測患者細微變化和對新療法的反應的人工智能模型可以加快臨床試驗，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，而專家們通常在城市中心行醫(yī)。

楊表示，該團隊希望通過收集和測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)健和準確。他們還設想了該模型用于檢測帕金森氏癥以外的疾病的用例。

“我們相信有機會將該方法應用于檢測其他神經(jīng)系統(tǒng)疾病，例如阿爾茨海默病。關鍵問題是我們需要收集大量多樣的數(shù)據(jù)集，以進行模型訓練和評估，以進行嚴格驗證，”楊說。

關于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷