·这项最新研讨，不需要从运动特征中寻觅疾病痕迹，经过直接读取个人的呼吸形式，有望将帕金森病的前期确诊提早好几年。
·高翔：帕金森病是一类神经退行性疾病，并涉及脑部操控呼吸的部位，然后影响呼吸道对呼吸肌的调控，并影响睡觉时分的呼吸异常。
近来，美国麻省理工学院（MIT）电子工程与计算机科学系的Dina Katabi教授团队开发出一种人工智能模型，经过读取一个人的呼吸形式，就能检测出帕金森病（PD）。这一研讨发表在8月22日的《天然·医学》期刊上。
帕金森病是仅次于阿尔茨海默病（AD）的全球第二常见的神经退行性疾病。现在，对帕金森病的确诊主要是根据运动症状，如停止性震颤（俗称的手抖）、肌强直、运动缓慢等。这类症状往往在疾病进展多年后才出现，因而，帕金森病的前期确诊仍是一大难题。
Katabi教授团队的这项最新研讨，不需要从运动特征中寻觅疾病痕迹，经过直接读取个人的呼吸形式，有望将帕金森病的前期确诊提早好几年。
Katabi教授团队的研讨数据来自757位PD受试者（平均年龄69.1，27%为女人）和6914位对照受试者（平均年龄66.2，30%为女人），包括11964个夜晚，超越120000小时的夜间呼吸信号。
该研讨发现，连续追寻12个晚上，确诊帕金森病的准确率达95%左右。这一研讨的数据集还包括帕金森病确诊前后的受试者数据。两次睡觉拜访相隔6年左右，人工智能模型可以从第一组睡觉数据中猜测未确诊的行列中的帕金森病，准确率75%，在患者被确诊为帕金森病之前。
Katabi教授标明：“一些研讨标明，呼吸症状早在运动症状前数年就现已闪现，这意味着呼吸特征有潜力在现有的帕金森病确诊之前，实现疾病的风险评估。”
Katabi教授并不是第一位提出帕金森病与呼吸有联系的专家。1817年，英国医师James Parkinson在初次描绘帕金森病的作品中，就注意到疾病与呼吸的联系。
Katabi教授开发的这套体系，使用者不需要出门，也不用植入入侵式设备，在家中睡觉时就可以日常承受帕金森病评估。这一体系不只能以较高的灵敏度与准确度检测出帕金森病，还能猜测疾病严峻程度、追寻疾病进程。
复旦大学公共卫生学院的高翔教授，其专业研讨领域为养分、睡觉和脑健康，他在承受汹涌新闻记者采访时对Katabi教授团队的这项研讨作出解读。
“这一研讨背后的机理是，帕金森病是一类神经退行性疾病，并涉及脑部操控呼吸的部位，然后影响呼吸道对呼吸肌的调控，并影响睡觉时分的呼吸异常。”
“这二十年间，人们越来越意识到，帕金森并不只仅是一个手抖（停止震颤）、体态不稳、肌肉僵直和运动缓慢的神经性运动妨碍，其实它也伴随着许多不典型性症状，这些症状往往出现在帕金森发病之前（比方，咱们在2008年提出男性性功能妨碍也是帕金森的前期症状）。所以帕金森应该不只是单一脏器、单一症状的疾病，咱们应该对之进行体系性研讨和治疗。”
高翔提示大众注意一些个人日子中细节的变化，“一些非典型症状往往出现在帕金森发病之前，由于其不典型，常被人忽视，但却对帕金森病的前期确诊有重大意义。古人云——别微见显，道理类似。”
