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(xué)院研究人員領(lǐng)導(dǎo)的一項新研究訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)，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(xué)，這項工作可能導(dǎo)致早期檢測和治療。

“我們的目標(biāo)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(fù)雜聯(lián)系的啟發(fā)，自然選擇是使用機器學(xué)習(xí)的能力來診斷和跟蹤進(jìn)展，”主要作者楊宇哲說，麻省理工學(xué)院計算機科學(xué)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(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始。它會影響神經(jīng)系統(tǒng)，最終導(dǎo)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(xué)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(xué)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(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(biāo)。

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(xùn)練了一個神經(jīng)網(wǎng)絡(luò)來分析呼吸模式，并學(xué)習(xí)帕金森氏癥的特征。

該研究數(shù)據(jù)集對 757 名帕金森病患者和 6914 名對照受試者進(jìn)行了抽樣，在 11964 個晚上共睡眠 12 萬小時。該團(tuán)隊在幾個方面訓(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(shè)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(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，并跟蹤疾病隨時間的進(jìn)展。

這項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)志物加速藥物開發(fā)。使用能夠檢測患者細(xì)微變化和對新療法的反應(yīng)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(tuán)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(zhǔn)確。他們還設(shè)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(yīng)用于檢測其他神經(jīng)系統(tǒng)疾病，例如阿爾茨海默病。關(guān)鍵問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)練和評估，以進(jìn)行嚴(yán)格驗證，”楊說。

關(guān)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(xué)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(shù)的多種方式。

審核編輯：郭婷