专访MIT刘瀛成/张果：通过家用无线设备，跟踪监测帕金森患者疾病进展丨未来百科020期( 二 ) _健康小知识

帕金森病除了诊断难，后续评估疾病的严重程度和发展以及治疗效果，同样存在挑战。
在这项发表在ScienceTranslationalMedicine期刊的新研究中，为了解决这些难题，麻省理工学院（MIT）和罗切斯特大学等机构的研究人员合作，开发了一种家用设备，可以监测帕金森病患者的运动和步态速度，从而评估患者帕金森病的严重程度、疾病的进展以及患者对药物治疗的反应。
张果表示，实验室之前发表在NatureMedicine的这项研究也提及了对帕金森病严重程度的评估。但这两项研究涉及的生理信号和参数不一样， NatureMedicine论文着重点在睡眠时候的呼吸， ScienceTranslationMedicine论文重点在日常步态速度。前者重点讲了呼吸作为DiagnosticMarker（诊断性标志物）的性质，提到了少部分PrognosticMarker（预后标志物）的性质；后者则更重点放在步态速度于作为PrognosticMarker的性质。而且，这两项可以结合，研究中所使用的无线设备既可以对睡眠呼吸监测，也可以采集日常步态速度，从而进一步提高诊断准确性。
这项研究利用了DinaKatabi实验室之前开发的无线设备，该设备的外观和大小与家用Wi-Fi差不多，它能够发出无线电信号，这些无线电信号可以穿过墙壁或其他固体物体，但由于我们人体内水分的存在等原因，这些无线电信号会被人体反射。无线电波总是以相同的速度（光速）传播，因此，可以通过信号反射回设备所需的时间来计算人的移动情况。
这相当于创建了一个“人体雷达” ，用于跟踪房间中的人的运动。由于患者本身不需要佩戴任何工具，也无需为此改变自己的行为。此外，该设备传输的信号强度比WiFi要小得多，这种超低功率信号不会干扰家中的其他无线设备。

文章图片
像AppleWatch这样的可穿戴设备也有潜力具有一定的检测能力，但张果表示，相对于可穿戴设备，这项研究所使用的设备具有多种优势，这款设备是完全无感的，不需要充电，不需要佩戴，就像WIFI一样，安装后就一直默默工作。患者不需要因为使用它而额外付出任何努力，因此特别适合对技术不敏感的人，尤其是老年人。而且，对步态速度的测量上，研究中使用的设备准确度非常高，超过了所有我们当时调研过的可穿戴设备。
该设备还包含了一个基于机器学习的分类器，即使房间里有其他人在走动，它也可以准确筛选出从帕金森病患者身上反射回来的无线电信号。整个设备在后台自动运行，每天都可以收集海量的数据，再通过复杂的算法，从这些运动数据计算出患者的步态速度。
刘瀛成表示，这个项目在一开始还是遇到了不少困难，一些是技术上的，一些是合作上的。例如，帕金森病人通常与家人同住，这就导致我们的无线设备识别的是许多人的混合数据，如何去分离出帕金森病人的那部分数据，当时在技术上非常困难。我们通过深度学习（DeepLearning），先采集帕金森病人的数据，用着小部分数据去训练分类模型，从而帮助后续从混合数据中去除无关数据。而在项目进行过程中， COVID-19爆发了，这给项目合作带来了不少麻烦，我们很难去帮助调节设备，与我们的合作者也只能在线上开会交流，但好在这些困难最终都被我们克服了。
研究团队招募了50名参与者，其中34人患有帕金森病。研究团队使用这种无线电设备对他们进行了两项观察性研究，一项持续2个月时间，另一项持续2年时间。