AI-modell kan oppdage Parkinsons sykdom fra pustemønster

Et team av forskere ved MIT har utviklet en kunstig intelligens (AI)-modell som kan oppdage Parkinsons sykdom fra en persons pustemønster.

Neuralnetverket kan vurdere en persons nattpustemønster, eller sovepustemønster, for å bestemme om de har Parkinsons sykdom. Det ble trent av MIT-stipendiat Yuzhe Yang og postdoktorand Yuan Tuan, og det kan bestemme alvorlighetsgraden av noenones Parkinsons sykdom samtidig som det sporer sykdommens fremgang over tid.

Yang er første forfatter av den nye forskningsrapporten, som ble publisert i Nature Medicine.

Hele teamet inkluderte Dina Katabi, Thuan og Nicole Pham-professor i avdelingen for elektroingeniør og datavitenskap (EECS), og hovedundersøker ved MIT Jameel Clinic.

Katabi, som er seniorforfatter, er også en tilknyttet av MIT Computer Science and Artificial Intelligence Laboratory og direktør for Center for trådløse nettverk og mobile datamaskiner.

Forskere har konsekvent undersøkt muligheten for å oppdage Parkinsons sykdom med cerebrospinalvæske og nevroimaging, men disse metodene er invasiv og kostbar. De krever også tilgang til spesialiserte medisinske sentre.

AI-vurdering hver natt

Forskerlaget satte ut til å overvinne disse utfordringene og viste at AI-vurderingen av Parkinsons sykdom kan utføres hver natt hjemme. Personen kan sogar sove uten å berøre kroppen.

Forskere utviklet en enhet som ligner en hjemme-WiFi-router, og den sender radio-signaler, analyserer deres refleksjoner fra omgivelsene, og trekker ut subjektets pustemønster uten noen kroppskontakt. Pustesignalet mates til neuralnetverket for å vurdere Parkinsons sykdom, med null innsats fra pasienten og omsorgen.

“En sammenheng mellom Parkinsons sykdom og pusting ble notert så tidlig som i 1817, i arbeidet til Dr. James Parkinson. Dette motiverte oss til å vurdere muligheten for å oppdage sykdommen fra en persons pusting uten å se på bevegelser,” sier Katabi. “Noen medisinske studier har vist at respiratoriske symptomer manifesterer seg år før motoriske symptomer, noe som betyr at pusteegenskaper kan være løftende for risikovurdering før Parkinsons diagnose.”

Ifølge Katabi har studien viktige implikasjoner for legemiddelutvikling og klinisk omsorg.

“Når det gjelder legemiddelutvikling, kan resultater enable kliniske studier med betydelig kortere varighet og færre deltakere, noe som akselerer utviklingen av nye terapier. Når det gjelder klinisk omsorg, kan tilnærmingen hjelpe med vurderingen av Parkinsons pasienter i tradisjonelt underservede samfunn, inkludert de som bor i rurale områder og de som har vanskeligheter med å forlate hjemmet på grunn av begrensede bevegelser eller kognitive svekkelser,” sier hun.

Ray Dorsey er professor i nevrologi ved University of Rochester og medforfatter av rapporten. Han er en Parkinsons-ekspert og sier at studien sannsynligvis er en av de største søvnestudiene som noensinne er gjennomført på Parkinsons.

“Vi har hatt ingen terapeutiske gjennombrudd i dette århundret, noe som antyder at våre nåværende tilnærminger til å evaluere nye behandlinger er underoptimal,” sier Dorsey. “Vi har svært begrensede informasjon om manifestasjoner av sykdommen i deres naturlige miljø og [Katabis] enhet lar deg få objektive, sanne vurderinger av hvordan folk gjør det hjemme. Analogien jeg liker å trekke [av nåværende Parkinsons-vurderinger] er en gatepæl om natten, og hva vi ser fra gatepælen er et svært lite segment … [Katabis] helt kontaktløse sensor hjelper oss å belyse mørket.”