撰稿 | 马文博 北京师范大学博士生
排版 | AiBrain 编辑团队
帕金森疾病（Parkinson’s Disease，PD）目前是世界上第二大常见的神经退行性疾病。近年PD患者越来越多，不仅患者自身会痛苦难受，患者家人也会受累，同时还会对整个社会造成巨额的经济负担。
截至目前，没有任何药物可以有效的治愈帕金森疾病。其中一个最关键的问题是：缺少有效地关于帕金森疾病诊断的生物标记物。
目前临床主要是依据运动障碍协会统一帕金森病评分表（MDS-UPDRS）来进行帕金森疾病的诊断。但是MDS-UPDRS评分表一方面不够主观，另一方面它缺少能够检测患者精细运动症状的敏感度。
关于帕金森疾病的前期诊断，有些研究表明脑脊液、血液生化和神经影像学具有较好的精度，但是这几种生物标记物的检测费用很高，并且是有创伤的，患者需要到特殊的、设备先进的相关检测中心才能完成检测。这就极大的限制了这几种生物标记物的临床应用推广。
有很多研究已经发现，帕金森病人会表现出呼吸异常。基于此背景，Yuzhe Yang博士生等人开发了一个新的人工智能系统，结合监测到的患者的夜间呼吸信号（下图a，b分别表示利用呼吸腰带和无线传感器检测夜间睡眠示例图）可以帮助检测和评估帕金森疾病。另外该模型还结合量化的脑电图（quantitative electroencephalogram ，qEEG）来解决过度拟合问题。
该团队于2022年8月22日在国际顶刊Nature Medicine（IF：87.241）上发表文章，题为“Artificial intelligence-enabled detection and assessment of Parkinson’s disease using nocturnal breathing signals”。
人工智能系统可以诊断帕金森疾病
Yuzhe Yang及其团队设计的人工智能模型使用的是一个大样本、多中心的数据集。包括梅约诊所、麻省综合医院睡眠实验室、美国国立卫生研究院尤德尔中心、麻省理工学院、美国国立睡眠研究中心等。总计有757名帕金森病人和6914名老年对照组。
通过记录的夜间睡眠信号，Yuzhe Yang团队设计的人工智能系统能够很好地区分帕金森病人和老年对照组。下图a，b分别表示使用呼吸腰带和无线传感器记录到的夜间呼吸信号来区分帕金森病人和对照组的ROC（receiver operating characteristic）曲线图，并计算出曲线下面积（area under the curve, AUC）以及敏感度和特异度。
该模型使用呼吸腰记录的信号诊断帕金森的AUC为0.889，敏感度和特异度分别为80.22%和78.62%；使用无线传感器记录的信号诊断帕金森的AUC为0.906，敏感度和特异度分别为86.23%和82.83%。
人工智能系统可以评估帕金森疾病严重程度
Yuzhe Yang及其团队进一步利用他们设计的模型的结果与临床评估帕金森疾病的MDS-UPDRS量表（下图a）和Hoehn and Yahr （H&Y Stage）量表（下图b）进行了相关性的分析。
其中模型评分与MDS-UPDRS评分的相关系数为0.94（下图a所示）；随着H&Y stage评分的增加，模型评分显著升高（下图b所示）。该结果表明Yuzhe Yang及其团队设计的模型可以很好的评估帕金森疾病的严重程度。
人工智能系统可以进行帕金森疾病的早期诊断
上面两部分结果已经表明了该模型可以帮助诊断帕金森疾病，并且也可以评估帕金森疾病的严重程度。Yuzhe Yang团队进一步提出下一个问题：该模型是否可以进行帕金森疾病的早期诊断呢？
他们将帕金森病人确诊的前六年定义成早期帕金森，使用该模型进行分析，结果表明，该模型可以有效地进行帕金森疾病的早期诊断（如下图a）。
人工智能系统可以区分帕金森疾病和老年痴呆
接下来，Yuzhe Yang团队使用该模型来评估帕金森疾病和另外一种常见的神经退行性疾病——老年痴呆。
模型结果表明，帕金森病人的模型评分显著地高于老年痴呆的模型评分（下图a）；并且可以很好地将帕金森病人与老年痴呆病人区分开（下图b）。
综上所述，Yuzhe Yang及其团队设计的人工智能系统可以利用夜间呼吸信号来诊断帕金森疾病、评估疾病的进程，同时该模型还可以进行帕金森疾病的早期诊断以及区分帕金森疾病与老年痴呆。
评 语
从1817年距今，帕金森疾病已经有200多年的历史。被确诊为帕金森疾病后，不仅患者自身会痛苦难受，患者家人也会受累，同时还会对整个社会造成巨额的经济负担。
临床目前主要是依靠MDS-UPDRS评分来进行帕金森疾病的诊断与病情的监控，但该评分缺少敏感度、评分时间久、需要较多的专业医生来评估。
Yuzhe Yang及其团队设计的人工智能模型，结合在家就可以检测到的夜间呼吸信号，即便你不是医生，也可以通过该模型来诊断早期帕金森疾病，同时还可以有效地检测该疾病的进程。这对于整个学术界、临床界、社会界都是一个重大的、里程碑式的发现。
我相信，该模型的诞生，可以大大推动全世界对帕金森疾病相关研究的进程。届时，帕金森疾病诊断（早期诊断）将会迈出一大步！
Yuzhe Yang
麻省理工学院
Yuzhe Yang是麻省理工学院计算机科学与人工智能实验室(CSAIL)的一名在读博士生，师从Dina Katabi教授。在来麻省理工学院之前，曾以优异的成绩获得了北京大学的学士学位。
研究兴趣、领域：
Yuzhe Yang博士的研究领域涉及机器学习、深度学习及其在数字健康的应用。同时他也致力于改进机器学习模型的鲁棒性和泛化性，使其可以大规模的反应真实世界。他还开发了新的学习算法和模型，用多模态数据感知和理解人类健康。
AiBrain内容团队为大家整理了文章的pdf，如有需要，请公众号后台留言“pdf”或扫码添加AiBrain助手微信获取。
✦往期精彩回顾✦
声明：脑医汇旗下神外资讯、神介资讯、脑医咨询、AiBrain所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。
