通过呼吸就能检测帕金森？利用人工智能有望大幅提前帕金森诊断时间

?
帕金森病（PD）是一种神经系统退行性疾病，目前我国帕金森病的平均患病年龄为60岁，患者已超300万人，帕金森病已经成为肿瘤、心脑血管疾病以外的中老年常见疾病。
在很多人的印象中，帕金森病是一种老年病，但近几年，中青年人群中帕金森病的患者也越来越多。数据显示，中青年型帕金森病人已占到患病总人数的5%-10% 。
帕金森病难以诊断，因为主要依赖于运动症状的出现，如震颤、僵硬和迟钝，但这些症状往往在发病几年后出现。如今，美国麻省理工学院电子工程与计算机科学系的DinaKatabi教授和她的团队开发出一种人工智能模型，仅仅通过读取一个人的呼吸模式就能检测出帕金森病。

文章图片
早在1817年，在JamesParkinson的研究中就注意到了帕金森病与呼吸之间的关系，这种联系在后来的研究中得到进一步加强。该研究报告了脑干中控制呼吸的区域的退化、呼吸肌功能的弱化和睡眠呼吸障碍。此外，这些呼吸系统症状通常比临床运动症状早几年出现，这表明呼吸属性可能有希望在临床诊断之前进行风险评估。
在这项研究中，研究人员提出了一个新的基于人工智能的系统，用于检测PD ，预测疾病的严重程度，并利用夜间呼吸跟踪疾病的发展。这种工具能够从一个人的夜间呼吸（睡眠时的呼吸模式）来评估这个人是否患有帕金森病。这种由麻省理工学院博士生YuzheYang和博士后YuanYuan训练的神经网络还能够辨别人们所患的帕金森病的严重程度，并跟踪其疾病的进展。
研究的数据集来自来自757名PD受试者（平均年龄69.1 ， 27%为女性）和6,914名对照受试者（平均年龄66.2 ， 30%为女性），包含11,964个夜晚，超过120,000小时的夜间呼吸信号。

文章图片
Fig.1OverviewoftheAImodelforPDdiagnosisanddiseaseseveritypredictionfromnocturnalbreathingsignals.
这些数据被分为两组：呼吸带数据集和无线数据集。第一组来自多导睡眠图（PSG）睡眠研究，使用呼吸带记录人整个晚上的呼吸。第二组是用无线电设备以非接触的方式收集夜间呼吸。无线电传感器部署在人的卧室里，并分析来自环境的无线电反射来提取人的呼吸信号。
研究人员评估了从一个晚上的夜间呼吸诊断PD的准确性，结果显示该模型具有较高的PD检测精度。对于使用呼吸带测量的夜间，模型的ROC曲线下面积(AUC)为0.889 ，灵敏度为80.22%(95%置信区间(70.28% ， 87.55%)) ，特异性为78.62%(95%CI(77.59% ， 79.61%)) 。对于使用无线信号测量的夜间，模型的AUC为0.906 ，灵敏度为86.23%(95%CI(84.08% ， 88.13%)) ，特异性为82.83%(95%CI(79.94% ， 85.40%)) 。

文章图片
Fig.2PDdiagnosisfromnocturnalbreathingsignals.
那么将同一个人的几个晚上结合在一起是否会提高准确率？研究人员使用无线数据集，并计算所有晚上的模型预测得分。 PD预测得分为0~1之间的连续数，如果得分超过0.5 ，则认为被试患有PD 。研究人员使用每个受试者的中位PD评分作为最终诊断结果。如图2d,e所示，多纳入几个晚上后，对于本队列中的PD和对照组受试者， PD诊断的敏感性和特异性都进一步增加到100% 。
进一步使用同一受试者的几个晚上进行测试时，可靠性会提高，只需12个晚上就能达到0.95（95%CI（0.92 ， 0.97））。
【通过呼吸就能检测帕金森？利用人工智能有望大幅提前帕金森诊断时间】研究人员还测试了评估PD严重程度的准确性。目前， MDS-UPDRS是评估PD严重程度最常用的方法，评分越高，损伤越严重。但MDS-UPDRS需要患者和临床医生共同配合：患者需亲自到医院，并有专业、有经验的临床医生进行评估，最后根据主观标准对症状进行分类。