帕金森病是一種影響運動的神經(jīng)退行性疾病，影響著全世界超過一千萬人; 每年大約有60,000人被診斷出來。早期檢測可以預(yù)防嚴(yán)重癥狀的發(fā)作，但說起來容易做起 - 沒有特定的測試來診斷帕金森病。

不過，瑞士蘇黎世機器人和智能系統(tǒng)研究所的研究人員取得了令人鼓舞的進(jìn)展。在預(yù)印本服務(wù)Arxiv.org上發(fā)表的一篇論文(“ 從智能手機數(shù)據(jù)中學(xué)習(xí)診斷帕金森病 ”)中，他們描述了一個可以通過一系列基于智能手機的測試收集的數(shù)據(jù)來診斷帕金森病的人工智能系統(tǒng)。

他們的工作建立在約翰斯·霍普金斯大學(xué)和倫敦大學(xué)的先前研究基礎(chǔ)之上，后者開發(fā)了一些應(yīng)用程序--HopkinsPD 和 CloudUPDRS--用于監(jiān)測全天帕金森癥狀的變化。

“[M]診斷[帕金森病]是常見的，”蘇黎世研究人員寫道。“導(dǎo)致誤診的一個因素是帕金森病的癥狀在進(jìn)行臨床評估時可能并不突出。”

他們采集了mPower臨床試驗期間收集的數(shù)據(jù)，這是一項基于智能手機的大規(guī)模帕金森病研究，有1,853名用戶提供人口統(tǒng)計信息和帕金森病可能的先前專業(yè)診斷。它還要求他們完成一系列旨在測量運動，語音，手指靈活性和空間記憶障礙的測試。

一次行走測試讓他們把手機放在口袋里，向前走，轉(zhuǎn)過身，然后回過頭去。語音評估要求他們在手機的麥克風(fēng)中說“aaaah”。敲擊測試讓他們交替點擊兩個屏幕按鈕，最后的測試 - 記憶測試 - 指示他們重復(fù)在網(wǎng)格上照亮的一系列圖像。

在預(yù)處理之后，團(tuán)隊最終分別為每個記錄提供了300,250,400和25個樣本，用于步行，語音，點擊和內(nèi)存測試。

結(jié)果輸入預(yù)測模型 - 特別是用于步行，語音和敲擊測試的卷積神經(jīng)網(wǎng)絡(luò)和用于記憶測試的具有雙向長短期記憶(BLSTM)的遞歸神經(jīng)網(wǎng)絡(luò)。隨機森林模型反過來又提供了另一種算法 - “證據(jù)聚合模型”(EAM)，也是一種遞歸神經(jīng)網(wǎng)絡(luò) - 產(chǎn)生了一個診斷分?jǐn)?shù)。

為了給EAM的預(yù)測帶來透明度，該團(tuán)隊設(shè)計了一個互補模型 - 一個“神經(jīng)軟關(guān)注機制” - 確定數(shù)據(jù)中哪些測試和測試段對于模型的輸出最重要。

他們寫道：“向臨床醫(yī)生提供有關(guān)模型輸出基于哪些數(shù)據(jù)的信息，可以幫助確定診斷評分......并告知臨床醫(yī)生的進(jìn)一步臨床決策。” “例如，在診斷預(yù)測主要針對運動癥狀的患者中，診斷臨床醫(yī)生可以集中精力排除可能導(dǎo)致類似癥狀的其他運動障礙。”

最后，EAM的表現(xiàn)優(yōu)于嚴(yán)格依賴人口統(tǒng)計信息診斷帕金森癥的基線模型，AUC為0.85，是衡量整體測試表現(xiàn)的指標(biāo)。(它有15%%的機會誤診這種疾病。)

這不是一個完美的模型。一些研究表明，訓(xùn)練數(shù)據(jù)包括帕金森病的專業(yè)診斷，眾所周知，這種診斷充滿了不準(zhǔn)確性 - 多達(dá)25%%是不正確的。此外，由于它是在智能手機上收集的，其準(zhǔn)確性可能會因隨機運動，與帕金森病相似的神經(jīng)系統(tǒng)疾病以及其他變異性而降低。

然而，研究人員認(rèn)為它足夠強大，可以在野外部署。

研究人員寫道：“我們的結(jié)果證實，長期收集的智能手機數(shù)據(jù)可能在未來可能被用作診斷帕金森病的其他證據(jù)。