众所周知，帕金森病难以诊断，因为它主要依赖于运动症状的出现，例如震颤、僵硬和行动迟缓，但这些症状通常在疾病发作数年后出现。现在，麻省理工学院电气工程和计算机科学 (EECS) 系 Thuan (1990) 和 Nicole Pham 教授、麻省理工学院 Jameel 诊所首席研究员 Dina Katabi 和她的团队开发了一种人工智能模型，可以检测帕金森氏症通过阅读一个人的呼吸模式。
有问题的工具是神经网络，这是一系列模拟人脑工作方式的连接算法，能够通过夜间呼吸评估某人是否患有帕金森氏症来评估某人是否患有帕金森氏症——即睡眠时出现的呼吸模式。由麻省理工学院博士训练的神经网络。学生 Yuzhe Yang 和博士后 Yuan Yuan 也能够辨别某人帕金森病的严重程度并跟踪他们的疾病随时间的进展。
杨和袁是今天发表在《自然医学》杂志上的一篇描述这项工作的新论文的共同第一作者。Katabi 是麻省理工学院计算机科学和人工智能实验室的附属机构，也是无线网络和移动计算中心的主任，是本文的资深作者。来自罗格斯大学、罗切斯特大学医学中心、梅奥诊所、马萨诸塞州总医院和波士顿大学健康与康复学院的 12 名同事加入了他们的行列。
多年来，研究人员一直在研究使用脑脊液和神经影像学检测帕金森氏症的潜力，但这种方法具有侵入性、成本高，并且需要进入专门的医疗中心，因此不适合频繁检测，否则可以提供早期诊断或持续跟踪疾病进展。
麻省理工学院的研究人员证明，帕金森病的人工智能评估可以每天晚上在人们睡觉时在家中进行，而无需接触他们的身体。为此，该团队开发了一款外观类似于家用 Wi-Fi 路由器的设备，但该设备不提供互联网接入，而是发射无线电信号，分析其对周围环境的反射，并在没有任何身体的情况下提取对象的呼吸模式接触。然后将呼吸信号馈送到神经网络，以被动方式评估帕金森氏症，患者和护理人员无需付出任何努力。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！