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Dina Katabi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。

早在1817年，在James Parkinson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Yuzhe Yang和博士后Yuan Yuan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。

Fig.1 Overview of the AI model for PD diagnosis and disease severity prediction from nocturnal breathing signals.

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%))。

Fig.2 PD diagnosis from nocturnal breathing signals.

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））。

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。

在这项研究中，通过分析患者在家中的夜间呼吸情况，研究人员评估了该模型预测PD严重程度评分的能力，发现该评分与MDS-UPDRS有很好的相关性。研究使用可以进行MDS-UPDRS评估的无线数据集，每个受试者有几晚的测量(n = 53名受试者，25名PD受试者共1263晚，28名对照组共1338晚)。研究结果显示模型的严重程度预测与MDS-UPDRS之间存在较强的相关性(R = 0.94, P = 3.6 × 10-25)，证明AI模型可以捕获PD疾病严重程度。

 

Fig. 3: PD severity prediction from nocturnal breathing signals.

Katabi指出：这项新的研究对帕金森病药物开发和临床护理具有重要意义。在药物开发方面，该结果可以使临床试验的持续时间大大缩短，参与者更少，最终加快新疗法的开发。在临床护理方面，该方法可以帮助评估传统上服务不足的社区的帕金森病患者，包括那些生活在农村地区的患者和那些因行动不便或认知障碍而难以出门的患者。

论文共同作者、罗切斯特大学神经学教授和帕金森病专家Ray Dorsey表示：这项新的研究可能是迄今为止对帕金森病进行的最大的睡眠研究之一。

参考资料：

1.Yuzhe Yang et al. Artificial intelligence-enabled detection and assessment of Parkinson’s disease using nocturnal breathing signals. Nature Medicine, 2022, doi:10.1038/s41591-022-01932-x.

2.Parkinson, J. An essay on the shaking palsy. 1817. J. Neuropsychiatry Clin. Neurosci. 14, 223–226, discussion 222 (2002).

来自： 生物谷