通過呼吸就能檢測帕金森?利用人工智能有望大幅提前帕金森診斷時間( 二 )


在這項研究中 , 通過分析患者在家中的夜間呼吸情況 , 研究人員評估了該模型預測PD嚴重程度評分的能力 , 發現該評分與MDS-UPDRS有很好的相關性 。 研究使用可以進行MDS-UPDRS評估的無線數據集 , 每個受試者有幾晚的測量(n=53名受試者 , 25名PD受試者共1263晚 , 28名對照組共1338晚) 。 研究結果顯示模型的嚴重程度預測與MDS-UPDRS之間存在較強的相關性(R=0.94,P=3.6×10-25) , 證明AI模型可以捕獲PD疾病嚴重程度 。
通過呼吸就能檢測帕金森?利用人工智能有望大幅提前帕金森診斷時間
文章圖片
Fig.3:PDseveritypredictionfromnocturnalbreathingsignals.
Katabi指出:這項新的研究對帕金森病藥物開發和臨床護理具有重要意義 。 在藥物開發方面 , 該結果可以使臨床試驗的持續時間大大縮短 , 參與者更少 , 最終加快新療法的開發 。 在臨床護理方面 , 該方法可以幫助評估傳統上服務不足的社區的帕金森病患者 , 包括那些生活在農村地區的患者和那些因行動不便或認知障礙而難以出門的患者 。
論文共同作者、羅切斯特大學神經學教授和帕金森病專家RayDorsey表示:這項新的研究可能是迄今為止對帕金森病進行的最大的睡眠研究之一 。
參考資料:
2.Parkinson,J.Anessayontheshakingpalsy.1817.J.NeuropsychiatryClin.Neurosci.14,223–226,discussion222(2002).