夜间呼吸模式可以识别帕金森病患者

在帕金森氏症中，大脑中产生多巴胺的部分脑细胞受损或死亡，多巴胺是一种产生平稳、有目的运动所需的化学物质。随着时间的推移，这种损伤会导致意想不到的或不可控的动作，如颤抖、僵硬、平衡和协调困难。

帕金森病的症状通常逐渐开始，并随着时间的推移而恶化。目前，还没有任何可以在血液或成像测试中轻松测量的标志物来诊断这种疾病。这大大减缓了治疗方法的发展。这也意味着人们可能要等上好几年才能得到诊断。

由麻省理工学院迪娜·卡塔比博士领导的由美国国家卫生研究院资助的研究人员一直在测试使用人工智能诊断帕金森病的方法。

在一项新的研究中，他们设计了一个基于大脑如何工作的模型(称为神经网络)的计算机程序来分析睡眠时收集的呼吸模式。在帕金森病的早期，大脑中控制呼吸和睡眠的区域往往会受到影响。研究小组测试了夜间呼吸模式的差异是否可以用来区分患有这种疾病的人。

研究人员使用了两种睡眠数据——呼吸模式和大脑活动——来测试他们的程序。在最常见的一种叫做多导睡眠图(PSG)的测试中，人们在睡觉时系上胸带来测量呼吸模式。这些通常是为了帮助确定为什么有人有睡眠问题。第二组人参加了无线睡眠监测系统的测试。该系统在睡眠时从身体反射无线电信号，并使用这些信息在没有身体接触的情况下记录呼吸模式。

研究团队使用了7600多人的睡眠呼吸数据，其中757人患有帕金森氏症，他们在多家医院的几个数据集中测试了他们的程序诊断和跟踪帕金森氏症的能力。研究结果于2022年8月22日发表自然医学。

使用一晚的PSG呼吸数据，该程序在80%的时间内正确识别出帕金森患者。当该程序使用一晚的无线呼吸数据时，这一数字上升到86%。增加额外的无线收集呼吸数据的夜晚提高了准确性。通过12个晚上的数据，该程序识别帕金森病的能力上升到95%。

在参与至少两次睡眠研究的一小群人中，其中一次是在他们被诊断患有帕金森病之前，该项目根据他们正式诊断之前收集的数据确定了四分之三的人患有这种疾病。

该团队还测试了该程序跟踪疾病是否随着时间的推移而恶化的能力。目前在临床中用于测量疾病进展的量表相对不敏感。当不同的医生使用它们时，也可以提供不同的结果。与两种不同的量表相比，该程序在识别帕金森症状的微小变化方面更胜一筹。

如果这些结果得到证实，该项目将有助于帕金森病的早期检测，并使更短的临床试验和更少的参与者成为可能，加速新疗法的开发。要在更大、更多样化的人群中测试该项目，还需要做更多的工作。Katabi指出:“这种方法可能有助于评估传统上服务不足的社区的帕金森患者，包括那些生活在农村地区的人，以及那些由于行动不便或认知障碍而难以离开家的人。”