沃卡惠麻省理工學院的一組研究人員開發了一種人工智能(AI)模型，該模型可以通過讀取一個人的呼吸模式來檢測帕金森氏癥。
神經網絡能夠評估一個人的夜間呼吸或睡眠呼吸模式，以確定他們是否患有帕金森氏癥。它由麻省理工學院博士生Yuzhe Yang和博士后Yuan Tuan訓練，它可以確定某人帕金森病的嚴重程度，同時跟蹤其隨時間的進展。
楊是新研究論文的第一作者，該論文發表在《自然醫學》上。
整個團隊包括Dina Katabi，電氣工程和計算機科學系(EECS)的Thuan和Nicole Pham教授，以及麻省理工學院Jameel診所的首席研究員。
Katabi是資深作者，也是麻省理工學院計算機科學和人工智能實驗室的附屬機構，也是無線網絡和移動計算中心的主任。
研究人員一直在研究用腦脊液和神經影像學檢測帕金森氏癥的潛力，但這些方法具有侵入性且成本高昂。他們還需要進入專門的醫療中心。
每天晚上進行人工智能評估研究人員團隊著手克服這些挑戰，并證明了帕金森病的人工智能評估可以每天晚上在家中進行。這個人甚至可以在不接觸身體的情況下睡著。
研究人員開發了一種看起來像家用Wi-Fi路由器的設備，它會發射無線電信號，分析它們在周圍環境中的反射，并在沒有任何身體接觸的情況下提取對象的呼吸模式。呼吸信號被饋送到神經網絡以評估帕金森氏癥，患者和護理人員無需付出任何努力。
“早在1817年，詹姆斯·帕金森博士的工作就注意到帕金森氏癥與呼吸之間的關系。這促使我們考慮在不看動作的情況下通過呼吸檢測疾病的可能性，”Katabi說。“一些醫學研究表明，呼吸系統癥狀在運動癥狀之前數年就出現了，這意味著在帕金森病診斷之前呼吸屬性可能有希望用于風險評估。”
據Katabi稱，該研究對藥物開發和臨床護理具有重要意義。
“在藥物開發方面，結果可以使臨床試驗的持續時間顯著縮短，參與者更少，最終加速新療法的開發。在臨床護理方面，該方法有助于評估傳統服務不足社區的帕金森病患者，包括居住在農村地區的患者以及因行動不便或認知障礙而難以離開家的患者，”她說。
Ray Dorsey是羅切斯特大學的神經學教授，也是該論文的合著者。他是帕金森病專家，他說這項研究可能是有史以來對帕金森病進行的最大的睡眠研究之一。
“本世紀我們在治療方面沒有取得突破，這表明我們目前評估新療法的方法并不理想，”多爾西說。“我們對疾病在自然環境中表現的信息非常有限，而Katabi設備可以讓您客觀、真實地評估人們在家中的表現。我喜歡將[當前帕金森的評估]比喻為夜晚的路燈，而我們從路燈中看到的只是很小的一部分……Katabi完全非接觸式傳感器幫助我們照亮黑暗。”
