帕金森病诊断获重大突破！MIT杨宇喆等研发用夜间呼吸信号诊断帕金森病的AI模型！

帕金森病（PD）是目前发病率增长最快的神经系统疾病[1]。

然而，目前临床上PD的诊断，主要依靠的仍然是患者病史及临床症状，评估疾病严重程度靠的也是一些半客观的量表，如常用的运动障碍协会-统一帕金森病评定量表（MDS-UPDR，得分越高越严重）[2]和H&Y分级（分级越高越严重）[3]。

由于PD起病隐匿、逐渐进展的特点，往往在患病多年后患者才出现明显症状，因而错过早期治疗时机[4]。同时，对于PD进展的监测也并没有一个简便有效的方法[5]。

近日，由麻省理工学院的博士生杨宇喆和博士后袁园带领的团队，研发了可利用夜间睡眠时的呼吸信号来诊断PD，并监测PD进展的AI模型。

该模型诊断PD的能力在held-out测试集和外部测试集上的曲线下面积（AUC）分别高达0.90和0.85，且可准确评估PD严重程度及监测其进展，相关成果发表于著名期刊《自然·医学》杂志[6]，杨宇喆是论文的第一作者。

值得一提的是，这个研究不仅带来了一个可以诊断和监测PD的人工智能模型，还首次证明了睡眠呼吸信号是帕金森病的一个数字生物标志物。

总的来说，本研究研发的AI模型让居家客观、无创地评估PD病情并监测其进展成为可能，有助于在临床诊断之前对人群进行风险评估，为PD患者后续治疗的评估提供了巨大便利。

关于PD和呼吸的关系，早在1817年就有报道[7]。

随后更多的研究表明，PD患者脑干中控制呼吸的中枢退化、呼吸肌功能减弱，存在睡眠呼吸障碍[8]。此外，这些呼吸相关症状的出现通常早于临床运动症状，表明其具备在PD临床诊断之前对患者进行风险评估的潜力。

在本研究中，研究人员基于人群夜间呼吸数据构建了可诊断PD、评估其严重程度，同时可监测PD随时间进展的AI模型。该AI模型的输入数据为通过可穿戴设备（呼吸带）或无线电设备（形似路由器，通过发射低功率无线电信号并分析其在人体上的反射）收集的夜间呼吸信号。