Новое исследование показывает, что болезнь Паркинсона (БП) может быть диагностирована путем дистанционного отслеживания дыхания человека. В исследовании, проведенном под руководством ученых из Массачусетского технологического института, представлена система искусственного интеллекта, которая использует радиоволны для отслеживания дыхания человека во время сна.
Дина Катаби, профессор кафедры электротехники и вычислительной техники MIT, сказала, что на проведение исследования ее вдохновили наблюдения 200-летней давности, проведенные Джеймсом Паркинсоном, первым врачом который клинически зафиксировал признаки нейродегенеративного неврологического заболевания.
«Связь между БП и дыханием была отмечена еще в 1817 году в работе доктора Джеймса Паркинсона, — пояснил Катаби. — Это побудило нас рассмотреть возможность выявления болезни по дыханию, не глядя на моторику. Некоторые медицинские исследования показали, что респираторные симптомы проявляются за годы до двигательных, а это значит, что признаки дыхания могут быть перспективными для оценки риска до постановки диагноза болезни Паркинсона».
Первым шагом было обучение нейронной сети на огромном наборе данных. Было проанализировано почти 12 000 ночных паттернов дыхания у 757 пациентов с болезнью Паркинсона и у около 7000 здоровых людей.
При тестировании модели ИИ на независимом наборе данных она смогла поставить диагноз пациентам с БП с точностью 86% всего после анализа данных одной ночи. В среднем, по результатам исследования, 12 ночей последовательного отслеживания данных позволили повысить точность модели до 95% .
Еще более интересным является потенциал системы для диагностики БП до появления каких-либо двигательных симптомов. Исследуемый набор данных включал данные испытуемых до и после постановки диагноза болезни. Разница между двумя анализами составляла около шести лет, и модель ИИ смогла предсказать БП у недиагностированных пациентов с 75% точностью на основе первого набора данных, до того, как у пациента была диагностирована БП.
«В настоящее время диагностика БП основывается на наличии клинических двигательных симптомов, которые, по оценкам, развиваются после того, как 50-80% дофаминергических нейронов уже дегенерировали, — пишет команда в своем исследовании. — Наша система демонстрирует первые доказательства того, что она потенциально может обеспечить оценку риска до появления клинических двигательных симптомов».
Конечно, необходимо провести дополнительную работу, чтобы проверить систему в качестве инструмента ранней диагностики, но применение может найтись в отслеживании прогрессирования заболевания. Другие данные, проанализированные в исследовании, показали, что модель ИИ может отслеживать пациента с БП в течение 12 месяцев и соотносить изменения в паттернах дыхания с увеличением тяжести заболевания.
По словам Катаби, это может найти применение в различных контекстах, от улучшения клинического обслуживания пациентов, живущих в отдаленных районах, до помощи исследователям в оценке эффективности новых лекарственных препаратов в клинических испытаниях.
«С точки зрения разработки лекарств, полученные результаты могут позволить проводить клинические испытания со значительно меньшей продолжительностью и меньшим количеством участников, что в конечном итоге ускорит разработку новых методов лечения, — сказала Катаби. — С точки зрения клинического лечения, этот подход может помочь в оценке состояния пациентов с БП в недостаточно обслуживаемых сообществах, включая тех, кто живет в сельской местности, и тех, кому трудно выйти из дома из-за ограниченной подвижности или когнитивных нарушений».
На текущий момент исследователи разработали настенное устройство, которое можно использовать для наблюдения за пациентами на дому. В конечном итоге такое устройство может стать системой раннего предупреждения для людей с риском развития БП выше среднего или для пациентов на ранних стадиях, которым необходим тщательный контроль за развитием болезни.
«Мы предполагаем, что система может быть установлена в домах пациентов с БП и лиц с высоким риском развития БП (например, с мутацией гена LRRK2) для пассивного мониторинга их состояния и обратной связи с врачом», — предполагают исследователи. Работа была опубликована в журнале Nature Medicine.
Источник: robogeek.ru
