现今帕金森氏症（Parkinson’s disease, PD）仍为较难诊断与追踪的疾病，因其主要依赖于运动出现失调情形如颤抖、僵硬或行动迟缓等，然而这些症状常于疾病发作后数年才显现。近期，美国麻省理工（Massachusetts Institute of Technology, MIT）电子工程与电脑科学（EECS）学系的教授与其研究团队共同开发了人工智能（AI）模型，可透过人体呼吸模式来检测帕金森氏症的病情。此创新研究已于 8 月 22 日刊登于 Nature Medicine 期刊中。
美国国家卫生院（NIH）投入 2300 万美金入远端癌症照护研究！（基因线上国际版）难以诊断与治疗的帕金森氏症
帕金森氏症为全球罹患人数最快速成长的神经性疾病；然而截至目前，因该疾病尚无可有效追踪的生物标记物，仍无药物能有效逆转或阻止疾病的进程。现今，帕金森氏症的病情多由患者自我回报症状，或由医师根据 MDS-UPDRS（Movement Disorder Society Unified Parkinson’s Disease Rating Scale ）评分量表评估。不过该量表属于半主观，灵敏性不高，无法捕捉患者病情的微小变化，也因此该疾病的相关临床疾病通常需进行数年才能获取具足够可信度的 MDS-UPDRS 分数变化，而这也延迟了诊断与疗法的开发。根据文献指出，现今帕金森氏症的药物开发平均成本为 13 亿美元，开发时程平均为 13 年，此限制也降低了药厂对此类疾病的兴趣。
近年来，也有研究团队透过脑脊髓液（cerebrospinal fluid）和神经造影（neuroimaging）等方式研究帕金森氏症的病情，然而其侵入性、高成本及需要专业医疗中心执行等特性使之难以应用于早期诊断或长期病程追踪。
人工智能侦测呼吸装置，零接触诊断帕金森氏病情
为改善帕金森氏症的诊断效率，麻省理工的研究团队首先蒐集自梅约医学中心（Mayo Clinic）、麻省总医院（Massachusetts General Hospital）等睡眠中心的数据，接着让可模拟人类大脑运作的算法学习帕金森氏症的夜间睡眠的呼吸模式，使之可预测人体定量脑电图（quantitative electroencephalogram, qEEG），再利用呼吸带（breathing belt）或无线讯号以不接触到患者的前提下，辨别帕金森氏症患者的恶化程度以追踪其病程。
此一侦测模式将完全不会干扰到患者与照护者，该装置透过与无线网络路由器连接，可散发无线讯号，可即时传达至装置的中枢网络以分析患者对于周遭环境的反应及其呼吸模式。
研究团队根据使用呼吸带或无线蒐集将数据结果分两组，并个别分析讯号的 ROC 曲线下面积，来了解算法对于帕金森氏症的精确性与敏感性。接着，再透过 AI 模型评估夜间呼吸模式与 MDS-UPDRS 评分量表的相关性以生成帕金森氏症严重程度的分数。研究结果显示，此新技术除了具有高精确性外，其疾病严重程度的预测也与 MDS-UPDRS 所评估出分数有强烈相关性，显示研究团队所研发的 AI 模型可展现帕金森氏症的严重程度。
研究团队认为此研究提供了帕金森氏症全新的非侵入式生物标记诊断方式，不但可应用于疾病诊断，更可客观地分析疾病的恶化程度，将有望缩短此疾病未来的药物临床开发时程。
延伸阅读：细胞分裂时怎么“打包”染色体？新机制发现染色体紧缩以防穿孔参考资料：
1. https://news.mit.edu/2022/artificial-intelligence-can-detect-parkinsons-from-breathing-patterns-0822
2. https://www.nature.com/articles/s41591-022-01932-x
©www.geneonline.news. All rights reserved. 基因线上版权所有 未经授权不得转载。合作请联系：service@geneonlineasia.com
