IBM详细介绍了用于测量帕金森氏病进展的AI研究

IBM表示，它已经通过开发随着运动障碍增加而进行的体育活动分析来估计帕金森症状的严重程度，已取得进展。在《自然科学报告》(Nature Scientific Reports)上发表的一篇论文中，IBM研究机构，辉瑞公司，斯皮瓦克临床与转化神经科学中心和塔夫茨大学的科学家创建了患者运动的统计表示，可以使用AI对其进行评估，无论是在临床上还是在临床上自然环境，例如患者的家。在2020年医疗保健机器学习会议(MLHC)上，IBM和Michael J. Fox基金会打算详细说明疾病发展模型，以查明一个人的帕金森氏症进展的程度。

人机系统依靠一系列离散运动来执行任务，例如在走路，跑步或慢跑时手臂摆动。这些运动和将它们联系在一起的过渡过程创造了活动模式，可以对帕金森氏症的症状进行测量和分析，仅今年这一疾病就预计会影响美国近100万人。从帕金森氏症患者身上获得的物理测量结果与非患者身上发现的有所不同，并且这些偏差的增长标志着疾病随时间的发展。

利用这一点，在《自然科学报告》的研究中，合著者开发了一种无监督的AI技术，该技术可以生成运动质量的度量值。(无监督学习是一种机器学习，它在没有预先存在的标签且没有人类监督的情况下，在数据集中寻找先前未检测到的模式。)他们将来自可穿戴设备的连续信号转换为健康受试者中常见的“音节”序列成为学习的运动曲目的一部分，在不同的动作之间共享子序列。音节之间转换的统计分布是健康行为的标志。在帕金森病患者中观察到杂乱无章的符号序列。

研究人员的技术使他们能够通过捕获运动之间越来越混乱的过渡来估计帕金森氏症的步态障碍和严重程度。在几次实验过程中，将其应用于以前的研究中收集的数据，这些数据包括：(1)被诊断为接受帕金森氏病的人接受了标准神经系统检查，(2)健康参与者接受了相同的手术，以及(3)帕金森氏症的人行为不受限制在家。

事实证明，无监督方法非常高效，平均需要少于10分钟的活动数据才能创建稳定的估算值。也许更重要的是，研究人员断言，如果将其部署到生产中，则可以对一个人的神经系统状态进行24/7评估，并可以在临床环境和在家中对评估进行比较。这与现有的帕金森氏症(例如运动失调协会的统一帕金森氏病评分量表)的诊断方法形成对比，该量表通常每年仅测量几次，本质上是主观的，并且很大程度上依赖于患者的自我报告

IBM的研究人员Vittorio Caggiano和研究人员表示：“在扩大远程医疗功能以使特别容易感染COVID-19的患者留在家中的兴趣日益浓厚的时候，我们的研究表明神经病学家如何能够远程准确地评估帕金森氏症患者。”工程师Avner Abrami在博客文章中描述了这项研究。“这种情况的另一个好处是，与要求患者去看医生的办公室相比，远程医疗检查的执行频率更高。”

IBM的《自然科学报告》论文是该公司与辉瑞(Pfizer)开展的Bluesky项目的一部分，该项目于2016年启动，其目标是开发一种系统，以改善针对正在开发的帕金森氏药物进行的临床试验。IBM的角色是开发算法，使系统能够分析从研究参与者那里收集的数据。

迈克尔·J·福克斯基金会合作

在一项计划于MLHC上进行的补充研究中，IBM和迈克尔·J·福克斯基金会的研究人员构建了一系列算法，这些算法考虑到了可以掩盖人的帕金森氏症外观的因素，例如可以减轻震颤和改善症状的药物。控制。IBM在即将发表的博客文章中指出，由于尚未完全理解帕金森氏症的内在生物学，医师通常仅通过判断外在症状就很难了解疾病已发展到何种程度。

研究人员的方法基于称为隐马尔可夫模型的概率框架，并使用变分推理来学习个性化效果。学习完模型后，可以通过解释模型变量以了解更多有关疾病的知识，以及通过分析特定患者群体的预测来得出见解。

尽管这项工作是由帕金森氏病引起的，但研究人员希望它能激发其他疾病如糖尿病，阿尔茨海默氏病和肌萎缩性侧索硬化症(ALS)的类似探索。在未来的工作中，他们计划将模型应用于帕金森氏症候群研究计划(Michael J Fox Foundation正在进行的观察性帕金森病研究)所收集的数据，从而专注于发现的见解。

IBM与迈克尔·福克斯基金会(Michael J.Fox Foundation)于2019年首次开始合作进行帕金森氏症的研究，其目的是试图更好地了解帕金森氏症及其在患者中的使用途径。这些组织已经发表了有关AI实验的研究，以分析可能会使帕金森病患者与健康人区分开的语言理解变化，并努力建立可以长期检测和分析患者言语波动的机器学习算法。IBM还开发了一种指甲传感器原型，该原型旨在借助AI来跟踪，监视和诊断运动和神经退行性疾病。

尽管在慢性病管理的许多方面都取得了进展，但该领域仍然存在许多悬而未决的问题。通过更好地设计临床试验，更好地了解慢性病可以改善患者护理管理，并更快，更有效地开发药物。” IBM在即将发表的博客文章中写道。