Model AI detekuje Parkinsonovu chorobu podle dýchacích vzorců

Tým výzkumníků z MIT vyvinul umělou inteligenci (AI), která může detekovat Parkinsonovu chorobu podle dýchacích vzorců člověka.

Neuronová síť je schopná vyhodnotit noční dýchání, nebo spánkové dýchací vzorce, aby určila, zda osoba trpí Parkinsonovou chorobou. Byla vyškolena PhD studentem Yuzhe Yangem a postdokem Yuanem Tuanem a může určit závažnost Parkinsonovy choroby a sledovat její vývoj v čase.

Yang je prvním autorem nové výzkumné práce, která byla publikována v Nature Medicine.

Celý tým zahrnoval Dina Katabi, profesorku na katedře elektrotechniky a počítačových věd (EECS) a hlavní výzkumnou pracovnici v MIT Jameel Clinic.

Katabi, která je seniorní autorkou, je také přidruženou pracovnicí laboratoře počítačových věd a umělé inteligence MIT a ředitelkou Centra pro bezdrátové sítě a mobilní výpočetní techniku.

Výzkumníci dlouhodobě zkoumají potenciál detekce Parkinsonovy choroby pomocí cerebrospinální tekutiny a neuroimagingu, ale tyto metody jsou invazivní a nákladné. Také vyžadují přístup ke specializovaným lékařským zařízením.

Hodnocení AI každou noc

Tým výzkumníků se snažil překonat tyto výzvy a prokázal, že hodnocení Parkinsonovy choroby pomocí AI lze provádět každou noc doma. Osoba může být dokonce spát, aniž by se musela dotknout svého těla.

Výzkumníci vyvinuli zařízení, které vypadá jako domácí Wi-Fi router, a emituje rádiové signály, analyzuje jejich odrazy od okolního prostředí a extrahuje dýchací vzorce subjektu bez jakéhokoli tělesného kontaktu. Dýchací signál je poté zpracován neuronovou sítí, aby vyhodnotila Parkinsonovu chorobu, s nulovým úsilím ze strany pacienta a ošetřovatele.

“Vztah mezi Parkinsonovou chorobou a dýcháním byl zaznamenán již v roce 1817, v práci Dr. Jamese Parkinsona. To nás motivovalo k tomu, abychom zvažovali potenciál detekce onemocnění z dýchání bez sledování pohybů,” říká Katabi. “Některé lékařské studie prokázaly, že respirační symptomy se objevují roky před motorickými symptomy, což znamená, že dýchací atributy by mohly být slibné pro hodnocení rizika před diagnózou Parkinsonovy choroby.”

Podle Katabi má studie důležité implikace pro vývoj léků a klinickou péči.

“Z hlediska vývoje léků mohou výsledky umožnit klinické studie s výrazně kratší dobou trvání a menším počtem účastníků, což urychlí vývoj nových terapií. Z hlediska klinické péče může tento přístup pomoci při hodnocení pacientů s Parkinsonovou chorobou v tradičně zanedbávaných komunitách, včetně těch, kteří žijí v venkovských oblastech a těch, kteří mají potíže s opuštěním domova kvůli omezené mobilitě nebo kognitivnímu postižení,” říká.

Ray Dorsey je profesorem neurologie na University of Rochester a spoluautorem článku. Je specialistou na Parkinsonovu chorobu a říká, že studie je pravděpodobně jednou z největších spánkových studií, které byly kdy provedeny na Parkinsonovu chorobu.

“Neměli jsme žádné terapeutické průlomy tohoto století, což naznačuje, že naše současné přístupy k hodnocení nových léčebných metod jsou suboptimální,” říká Dorsey. “Máme velmi omezené informace o manifestacích onemocnění v jejich přirozeném prostředí a [Katabiho] zařízení umožňuje získat objektivní, reálné hodnocení, jak lidé fungují doma. Analogie, kterou ráda používám [současných hodnocení Parkinsonovy choroby], je pouliční lampa v noci, a co vidíme z pouliční lampy, je velmi malý segment … [Katabiho] zcela bezkontaktní senzor pomáhá osvětlit temnotu.”