AI-model kan détectere Parkinsons sygdom fra åndedrætsmønstre

Et hold af forskere på MIT har udviklet en kunstig intelligens (AI)-model, der kan détectere Parkinsons sygdom fra en persons åndedrætsmønstre.

Neuralnetværket kan vurderer en persons natlige åndedræt, eller soveåndedrætsmønstre, for at bestemme, om de har Parkinsons sygdom. Det blev trænet af MIT-ph.d.-studerende Yuzhe Yang og postdoc Yuan Tuan, og det kan bestemme sværhedsgraden af en persons Parkinsons sygdom, samtidig med at det sporer sygdommens udvikling over tid.

Yang er den første forfatter af den nye forskningsartikel, der blev offentliggjort i Nature Medicine.

Hele holdet inkluderede Dina Katabi, Thuan og Nicole Pham Professor i afdelingen for elektroteknik og datalogi (EECS), og hovedundersøger på MIT Jameel Clinic.

Katabi, der er seniorforfatter, er også tilknyttet MIT Computer Science and Artificial Intelligence Laboratory og direktør for Center for Wireless Networks and Mobile Computing.

Forskere har konsekvent undersøgt muligheden for at détectere Parkinsons sygdom med cerebrospinalvæske og neurobillede, men disse metoder er invasiv og dyre. De kræver også adgang til specialiserede medicinske centre.

AI-vurdering hver nat

Holdet af forskere satte sig for at overvinde disse udfordringer og demonstrerede, at AI-vurderingen af Parkinsons sygdom kan udføres hver nat hjemme. Personen kan endda sove uden at røre kroppen.

Forskerne udviklede en enhed, der ligner en hjemme-WiFi-router, og den sender radio-signaler, analyserer deres refleksioner af den omgivende miljø og udtrækker subjektets åndedrætsmønstre uden nogen kropskontakt. Åndedrætssignalet føres til neuralnetværket for at vurderer Parkinsons sygdom, med nul indsats fra patienten og plejeren.

“En relation mellem Parkinsons sygdom og åndedræt blev noteret så tidligt som i 1817, i arbejdet af Dr. James Parkinson. Dette motiverede os til at overveje muligheden for at détectere sygdommen fra en persons åndedræt uden at se på bevægelser,” siger Katabi. “Nogle medicinske studier har vist, at respiratoriske symptomer manifesterer sig år før motoriske symptomer, hvilket betyder, at åndedrætsattributter kunne være lovende for risikovurdering før diagnosen af Parkinsons sygdom.”

Ifølge Katabi har studiet vigtige implikationer for udviklingen af lægemidler og klinisk pleje.

“I forhold til udviklingen af lægemidler kan resultaterne muliggøre kliniske forsøg med en betydelig kortere varighed og færre deltagere, hvilket i sidste ende accelererer udviklingen af nye behandlinger. I forhold til klinisk pleje kan tilgangen hjælpe med at vurderer Parkinsons-patienter i traditionelt underbetjente samfund, herunder de, der bor i landdistrikter og de, der har svært ved at forlade hjemmet på grund af begrænset mobilitet eller kognitiv nedsættelse,” siger hun.

Ray Dorsey er professor i neurologi på University of Rochester og medforfatter af artiklen. Han er en Parkinsons-specialist og siger, at studiet sandsynligvis er en af de største søvnstudier, der nogensinde er udført på Parkinsons sygdom.

“Vi har ikke haft nogen terapeutiske gennembrud i dette århundrede, hvilket tyder på, at vores nuværende tilgang til vurdering af nye behandlinger er underoptimal,” siger Dorsey. “Vi har meget begrænsede oplysninger om manifestationer af sygdommen i deres naturlige miljø, og [Katabis] enhed giver os mulighed for at få objektive, virkelige vurderinger af, hvordan folk har det hjemme. Analogien, jeg gerne vil tegne [af nuværende Parkinsons-vurderinger], er en gadekryds i nat, og hvad vi ser fra gadekrydset er et meget lille segment … [Katabis] helt kontaktløse sensor hjælper os med at oplyse mørket.”