Model AI wykrywa chorobę Parkinsona na podstawie wzorców oddechu

Zespół badaczy z MIT opracował model sztucznej inteligencji (AI), który może wykryć chorobę Parkinsona na podstawie wzorców oddechu osoby.

Sieć neuronowa jest w stanie ocenić nocne wzorce oddechu, czyli wzorce oddechu podczas snu, aby określić, czy osoba ma chorobę Parkinsona. Została opracowana przez Yuzhe Yang, studenta doktoranckiego na MIT, i Yuan Tuan, pracownika naukowego, i może określić nasilenie choroby Parkinsona oraz śledzić jej przebieg w czasie.

Yang jest pierwszym autorem nowego artykułu badawczego, który został opublikowany w Nature Medicine.

Cały zespół badawczy obejmował Dina Katabi, profesora w Wydziale Inżynierii Elektrycznej i Nauk Komputerowych (EECS) oraz głównego badacza w MIT Jameel Clinic.

Katabi, która jest seniorem autorem, jest również afiliowanym członkiem Laboratorium Nauk Komputerowych i Sztucznej Inteligencji MIT oraz dyrektorem Centrum Sieci Bezprzewodowych i Komputingu Mobilnego.

Badacze stale badają potencjał wykrywania choroby Parkinsona za pomocą płynu mózgowo-rdzeniowego i neuroobrazowania, ale te metody są inwazyjne i drogie. Wymagają również dostępu do specjalistycznych ośrodków medycznych.

Ocena AI co noc

Zespół badawczy postanowił pokonać te wyzwania i udowodnił, że ocena AI choroby Parkinsona może być przeprowadzana co noc w domu. Osoba może nawet spać, nie dotykając swojego ciała.

Badacze opracowali urządzenie, które wygląda jak domowy router Wi-Fi, i emituje sygnały radiowe, analizuje ich odbicia od otoczenia i wyodrębnia wzorce oddechu osoby bez żadnego kontaktu fizycznego. Sygnał oddechu jest podawany do sieci neuronowej w celu oceny choroby Parkinsona, bez żadnego wysiłku ze strony pacjenta i opiekuna.

“Związek między chorobą Parkinsona a oddychaniem został zauważony już w 1817 roku, w pracy dra Jamesa Parkinsona. To skłoniło nas do rozważenia potencjału wykrywania choroby na podstawie oddychania bez analizy ruchów”, mówi Katabi. “Niektóre badania medyczne wykazały, że objawy oddechowe pojawiają się latami przed objawami ruchowymi, co oznacza, że atrybuty oddychania mogą być obiecujące dla oceny ryzyka przed rozpoznaniem choroby Parkinsona”.

Według Katabi, badanie ma istotne implikacje dla rozwoju leków i opieki klinicznej.

“W odniesieniu do rozwoju leków wyniki mogą umożliwić prowadzenie badań klinicznych z znacznie krótszym okresem i mniejszą liczbą uczestników, co przyspieszy rozwój nowych terapii. W odniesieniu do opieki klinicznej podejście to może pomóc w ocenie pacjentów z chorobą Parkinsona w tradycyjnie zaniedbanych społecznościach, w tym tych, którzy mieszkają w obszarach wiejskich i tych, którzy mają trudności z opuszczaniem domu z powodu ograniczonej mobilności lub upośledzenia poznawczego”, mówi.

Ray Dorsey jest profesorem neurologii na Uniwersytecie Rochester i współautorem artykułu. Jest specjalistą choroby Parkinsona i mówi, że badanie to jest prawdopodobnie jednym z największych badań snu przeprowadzonych na chorobę Parkinsona.

“Nie mieliśmy przełomów terapeutycznych w tym wieku, co sugeruje, że nasze obecne podejście do oceny nowych leków jest nieoptymalne”, mówi Dorsey. “Mamy bardzo ograniczoną wiedzę na temat objawów choroby w ich naturalnym środowisku, a urządzenie Katabi pozwala uzyskać obiektywne, rzeczywiste oceny, jak ludzie radzą sobie w domu. Analogia, którą lubię rysować, to latarnia uliczna w nocy, a to, co widzimy z latarni, to bardzo mały fragment … urządzenie Katabi, całkowicie bezkontaktowe, pomaga nam oświetlić ciemność”.