帕金森病仅次于阿尔茨海默病，是全球范围内第二常见的神经退行性疾病，数百万人深受该病的困扰。目前，对帕金森病的诊断主要是基于运动症状，例如静止性震颤（也就是俗称的手抖）、肌强直、运动迟缓等。但问题是，这类症状往往在疾病进展多年后才出现，而帕金森病的早期诊断始终是一大难题。

近年来，科学家一直在研究早期诊断帕金森病的潜在手段，例如利用脑脊液或是神经成像。不过，这些侵入性的手段价格昂贵，而且需要在特定的医学场所才能进行，因此无法用作常规检测手段。

最近，来自麻省理工学院（MIT）等机构的研究团队开发了一种借助人工智能（AI）检测帕金森病的全新手段。这一次，无需从运动特征中寻找疾病迹象，而是直接读取使用者的呼吸模式，这一策略有望将检测时间提前好几年。该研究发表于《自然·医学》期刊。

这项研究的领导者，MIT的Dina Katabi教授表示，早在1817年，James Parkinson医生在首次描述帕金森病的著作中，就注意到了疾病与呼吸的关系。此后的研究陆续印证了这一点，并且提出了多种解释：脑干控制呼吸的区域退化、控制呼吸功能的肌肉弱化、睡眠呼吸障碍都被认为可能导致了早期患者的呼吸信号异常。

Katabi教授指出：“一些研究表明，呼吸症状早在运动症状前数年就已显现，这意味着呼吸特征有潜力在现有的帕金森病诊断之前，实现疾病的风险评估。”

如下图所示，对于这项研究使用的系统，信号输入来自使用者在夜间睡眠时的呼吸信号，而信号的收集有两种方式：使用者在胸部或腹部穿戴的呼吸带；或者是用一个形似路由器的装置发送无线电信号，并提取出使用者的呼吸模式。

▲该研究可以通过两种方式收集使用者睡眠时的呼吸信号，并利用AI模型输出诊断结果（图片来源：参考资料[1]）

随后，系统的神经网络可以根据收集到的呼吸信号进行分析。这个神经网络学习了如何根据呼吸模式预测定量脑电图，进而输出预测结果。在对7687位参与者（包含757名帕金森病患者）的评估中，该系统不仅能以较高的灵敏度与准确度检测出帕金森病，还能预测疾病严重程度、追踪疾病进程。

因此，使用者无需出门，也不用植入入侵式设备，在家中睡觉时就可以日常接受帕金森病评估。

Katabi教授表示，这项进展对于帕金森病药物研发与临床护理有着重要意义。“对于药物研发，我们的结果可以让临床试验的周期显著缩短、参与者大幅减少，最终加速新疗法的研发。而对于临床护理，有很多人难以获得医疗资源，例如生活在贫困地区，或者行动不便、难以离开住所，而这一手段能帮助这些人接受评估。”