AI-modell upptäcker Parkinsons från andningsmönster

Ett team av forskare vid MIT har utvecklat en artificiell intelligens (AI) som kan upptäcka Parkinsons genom att läsa en persons andningsmönster.

Neurala nätverket kan bedöma en persons nattliga andning, eller sovande andningsmönster, för att avgöra om de har Parkinsons. Det tränades av MIT-doktoranden Yuzhe Yang och postdoktor Yuan Tuan, och det kan bestämma svårighetsgraden av någons Parkinsons sjukdom medan det spårar dess utveckling över tid.

Yang är den första författaren till den nya forskningsrapporten, som publicerades i Nature Medicine.

Hela teamet inkluderade Dina Katabi, Thuan och Nicole Pham-professorn i avdelningen för elektroteknik och datavetenskap (EECS), och huvudutredare vid MIT Jameel Clinic.

Katabi, som är senior författare, är också en affiliate av MIT Computer Science and Artificial Intelligence Laboratory och direktör för Center for Wireless Networks and Mobile Computing.

Forskare har konsekvent undersökt potentialen för att upptäcka Parkinsons med cerebrospinalvätska och neuroimaging, men dessa metoder är invasiva och dyra. De kräver också tillgång till specialiserade medicinska center.

AI-bedömning varje natt

Forskarteamet satte ut för att övervinna dessa utmaningar och visade att AI-bedömningen av Parkinsons kan utföras varje natt hemma. Personen kan till och med sova utan att röra vid sin kropp.

Forskarna utvecklade en enhet som ser ut som en hem-Wi-Fi-router, och den sänder radiosignaler, analyserar deras reflektioner från den omgivande miljön och extraherar subjektets andningsmönster utan någon kroppskontakt. Andningssignalen matas in i neurala nätverket för att bedöma Parkinsons, med noll ansträngning från patienten och vårdgivaren.

“Ett samband mellan Parkinsons och andning noterades så tidigt som 1817, i arbetet av Dr. James Parkinson. Detta motiverade oss att överväga potentialen för att upptäcka sjukdomen från en persons andning utan att titta på rörelser”, säger Katabi. “Vissa medicinska studier har visat att respiratoriska symtom manifesterar sig år före motoriska symtom, vilket innebär att andningsattribut kunde vara lovande för riskbedömning före Parkinsons diagnos.”

Enligt Katabi har studien viktiga implikationer för läkemedelsutveckling och klinisk vård.

“När det gäller läkemedelsutveckling kan resultaten möjliggöra kliniska prövningar med betydligt kortare varaktighet och färre deltagare, vilket i slutändan accelererar utvecklingen av nya terapier. När det gäller klinisk vård kan tillvägagångssättet hjälpa till i bedömningen av Parkinsons patienter i traditionellt underservicede samhällen, inklusive de som bor på landsbygden och de som har svårt att lämna hemmet på grund av begränsad rörlighet eller kognitiv nedsättning”, säger hon.

Ray Dorsey är professor i neurologi vid University of Rochester och medförfattare till rapporten. Han är en Parkinsons specialist och säger att studien troligen är en av de största sömnstudier som någonsin har genomförts på Parkinsons.

“Vi har inte haft några terapeutiska genombrott detta århundrade, vilket tyder på att våra nuvarande tillvägagångssätt för att utvärdera nya behandlingar är undermåliga”, säger Dorsey. “Vi har mycket begränsad information om manifestationer av sjukdomen i dess naturliga miljö och [Katabis] enhet tillåter dig att få objektiv, verklig världens bedömningar av hur människor mår hemma. Analogin jag vill dra [för nuvarande Parkinsons bedömningar] är en gatlykta på natten, och vad vi ser från gatlyktan är ett mycket litet segment … [Katabis] helt kontaktlös sensor hjälper oss att belysa mörkret.”