※MIT發表了新型人工智慧模型，可透過呼吸模式檢測帕金森氏症風險。(Photo credit: Massachusetts Institute of Technology and Prof. Dina Katabi)

由於帕金森氏症的診斷主要仰賴動作障礙的出現，如抖動、僵硬和遲鈍，但這些症狀往往在發病幾年後才出現，導致非常難以診斷。現在，麻省理工的團隊已經開發出一種人工智慧模型，僅透過呼吸模式就能檢測出帕金森氏症。

該工具是一種神經網路，是一系列模仿人腦運作方式的連通演算法，能夠從夜間呼吸，也就是睡眠時的呼吸模式來評估是否患有帕金森氏症。該神經網路還能夠辨別患者嚴重程度，並追蹤疾病進展。

多年來，研究人員透過腦脊液（cerebrospinal fluid）和神經成像檢測帕金森氏症的風險，但這些方法具侵入性、成本高，且需要在專門的醫療中心進行，無法頻繁測試，因此無法提供早期診斷或持續追蹤疾病發展。

麻省理工的研究人員表示，對帕金森氏症的人工智慧評估可以每天晚上在家睡著時進行，且不需要接觸身體。該團隊開發了一個外觀類似家用Wi-Fi路由器的設備，該設備可發射無線電信號，分析其在周圍環境中的反射，並在不接觸身體的情況下提取受試者的呼吸模式。接著，呼吸信號被傳入神經網路，以被動的方式評估帕金森氏症，毋須病人和護理人員的介入。

早在1817年，James Parkinson就曾在研究中指出帕金森氏症與呼吸之間的關係。研究人員表示：｢一些醫學研究表明，呼吸症狀在運動症狀前幾年就已經表現出來，這代表著呼吸可能是診斷前最有希望的風險評估方式。｣

帕金森氏症是繼阿滋海默症第二大最常見的神經性疾病。在美國困擾著100多萬人，每年的經濟負擔達519億美元。研究小組的演算法在7,687人身上進行了測試，包括757名帕金森氏症患者。

研究人員指出，該研究對帕金森氏症藥物開發和臨床照護上有重大意義，使臨床試驗的時間大大縮短，受測者數量減少，最終加速新療法的開發。在臨床照護方面，該方法可以幫助評估傳統上難以觸及的帕金森氏症患者，包括生活在農村地區和因行動不便或認知障礙而難以出門的患者。

羅徹斯特大學（University of Rochester）神經學教授、同時也是帕金森氏症專家的Ray Dorsey表示：｢本世紀尚未有任何治療上的突破，這表示我們目前評估新療法的方法還可以再改善。這項研究可能是迄今為止針對帕金森氏症進行的最大型睡眠研究之一。我們對這種疾病在自然環境中表現出的訊息非常有限，該設備使你能夠獲得客觀、真實世界的評估，以瞭解人們在家裡的情形。｣

(來源:MIT NEWS 生策中心編譯)