Novi sustav umjetne inteligencije može detektirati Parkinsonovu bolest iz obrazaca disanja

Parkinsonova bolest (PD) najbrže je rastuća neurološka bolest u svijetu, s više od milijun ljudi koji boluju od nje samo u Sjedinjenim Državama. Nažalost, pouzdani i učinkoviti biomarkeri progresije za praćenje ozbiljnosti PD-a tijekom vremena tek trebaju biti razvijeni, što dovodi do većeg oslanjanja na samoizvještavanje pacijenata ili kvalitativno ocjenjivanje od strane kliničara.

Različite mjere, kao što su biokemijske vrijednosti cerebrospinalne tekućine i krvi za dijagnozu PB-a, iznesene su u literaturi, no potrebna su daljnja istraživanja.

Zanimljivo je da je odnos između PD-a i disanja primijetio još 1817. godine sam James Parkinson, koji je svoja otkrića strukturirao u ono što je danas poznato kao Parkinsonov zakon: „Bolest počinje jedva primjetnim drhtanjem koje se postupno povećava i nakuplja sve dok svaki dio tijelo koje je simpatično za ovaj poremećaj postaje pogođeno.”

Njegov su rad kasnije usavršavali drugi učenjaci i znanstvenici sve do danas, kada smo shvatili da su drhtanje ili ukočenost doista rani znakovi PD-a. Ne postoje učinkoviti biomarkeri za dijagnosticiranje PD-a, ali to bi se moglo promijeniti zahvaljujući digitalnim biomarkerima koje je pronašao model umjetne inteligencije.

Procjena umjetne inteligencije

Prema obećavajućoj novoj studiji, obrasci disanja mogli bi se daljinski pratiti kako bi se identificirala Parkinsonova bolest. Studija, koju su proveli znanstvenici s MIT-a, otkriva sustav umjetne inteligencije koji koristi radio valove za praćenje disanja dok osoba spava.

Dina Katabi, glavni istraživač studije, rekla je da je studija motivirana otkrićima Jamesa Parkinsona, prvog liječnika koji je klinički dokumentirao simptome degenerativnog neurološkog stanja prije 200 godina.

Veza između Parkinsonove bolesti i disanja primijećena je još 1817. godine u radu dr. Jamesa Parkinsona. To nas je motiviralo da razmotrimo potencijal otkrivanja bolesti iz nečijeg disanja bez gledanja u pokrete. Osim toga, neke su medicinske studije pokazale da se respiratorni simptomi manifestiraju godinama prije motoričkih simptoma, što znači da bi karakteristike disanja mogle biti obećavajuće za procjenu rizika prije dijagnoze Parkinsonove bolesti.

Skupovi podataka korišteni za obuku modela u ovoj studiji značajno se razlikuju po podrijetlu i sadržaju. Klinika Mayo, laboratorij za spavanje Opće bolnice Massachusetts (MGH), opservacijska klinička ispitivanja PD-a koja je sponzorirala Zaklada Michael J. Fox (MJFF) i Udall centar Nacionalnog instituta za zdravlje (NIH) bili su među brojnim izvorima iz kojih su prikupljani podaci .

Osim toga, javni skupovi podataka o spavanju iz National Sleep Research Resource, kao što su Sleep Heart Health Study (SHHS) i MrOS Sleep Study (MrOS) 26, uključeni su u prikupljanje podataka.

Prva faza uključivala je ispitivanje obrazaca disanja 757 pacijenata s Parkinsonovom bolešću i otprilike 7000 zdravih kontrolnih dobrovoljaca tijekom gotovo 12 000 noći. Zatim je tim s MIT-a uvježbao svoj algoritam kroz neuronsku mrežu koristeći ovaj pozamašan skup podataka o noćnom disanju.

S podacima za samo jednu noć, AI model mogao je dijagnosticirati pacijente s Parkinsonovom bolešću s 86% točnosti. Osim toga, studija je otkrila da se dijagnoza Parkinsonove bolesti može postaviti s prosječnom točnošću od 95% nakon 12 noći neprekidnog praćenja. Tko bi rekao da će sintetički uređaj po uzoru na ljudski mozak na kraju koristiti senzore za otkrivanje kliničke dijagnoze u stvarnom ljudskom mozgu?

Rano AI otkrivanje Parkinsonove bolesti

Ono što je još intrigantnije je da bi sustav mogao otkriti Parkinsonovu bolest prije nego što se pojave motorički simptomi. Analizirani skup podataka sadržavao je informacije o sudionicima prije i nakon dijagnoze Parkinsonove bolesti. Dvije sesije spavanja bile su u razmaku od otprilike šest godina. Prije nego što je pacijentu dijagnosticirana Parkinsonova bolest, model umjetne inteligencije mogao je predvidjeti Parkinsonovu bolest u nedijagnosticiranoj populaciji sa 75% točnosti iz prvog skupa podataka o spavanju.

Trenutno se dijagnoza PD-a temelji na kliničkim motoričkim simptomima za koje se procjenjuje da se razvijaju nakon što je 50-80% dopaminergičkih neurona već degenerirano. Naš sustav pokazuje početne dokaze da bi potencijalno mogao pružiti procjenu rizika prije kliničkih motoričkih simptoma.

Naravno, potrebna su daljnja istraživanja kako bi se sustav potvrdio kao alat za ranu dijagnozu, ali praćenje napredovanja bolesti može biti neposrednija upotreba tehnologije. Na primjer, drugi podaci analizirani u studiji pokazali su da AI model može pratiti pacijenta s Parkinsonovom bolešću tijekom godinu dana i povezati promjene u obrascima disanja s eskalacijom ozbiljnosti bolesti.