AI靠分析睡眠呼吸模式診斷帕金森氏症

麻省理工學院研究人員訓練神經網路，藉由分析睡眠時的呼吸模式，來發現受試者是否患有帕金森氏症。這項研究已經發表於《自然醫學》期刊中，有望之後能早期檢測出帕金森氏症患者，使患者能夠更早地接受治療。

研究人員提到，由於帕金森氏症與呼吸訊號之間存在高維度且複雜的關聯，透過機器學習技術，能夠發展出可靠且方便的檢測方式。帕金森氏症是目前全球成長最快速的神經系統疾病，全世界約有1,000萬人罹患帕金森氏症，但是目前仍卻不容易診斷，缺乏一種可以快速且明確診斷的方法。

帕金森氏症是一種會持續惡化的疾病，通常從輕微的手部顫抖等輕微症狀開始，並且逐漸影響神經系統，最終會無法控制行動、顫抖和平衡，隨著時間的推移，還可能喪失語言能力，並且失去臉部表情。

醫生仰賴各種症狀和病史來判斷帕金森氏症，研究人員提到，目前有研究發現，控制患者呼吸區域的腦幹，會比其他運動技能區域早數年開始退化，因此可能可作為該疾病的早期診斷指標。研究人員運用人工智慧技術，透過偵測模式來診斷帕金森氏症。

研究資料集抽樣757位帕金森氏症患者和6,914名對照受試者，共有11,964個晚上120,000小時的總睡眠時間資料，用於PyTorch深度學習框架訓練神經網路模型。這些資料來自研究人員所開發的無線電發射器，該裝置外觀類似Wi-Fi路由器，透過發射無線電波來捕捉環境變化，包括受試者胸口的起伏，神經網路模型能夠分析電磁波訊號，來判斷對象是否患有帕金森氏症。

該方法能夠以80%準確度診斷出帕金森氏症，以及82％的準確度分辨非帕金森氏症，同時，該演算法還能判斷帕金森氏症的嚴重程度追蹤病情發展。