·这项最新研究，不需要从运动特征中寻找疾病迹象，通过直接读取个人的呼吸模式，有望将帕金森病的早期诊断提前好几年。

·高翔：帕金森病是一类神经退行性疾病，并涉及脑部控制呼吸的部位，从而影响呼吸道对呼吸肌的调控，并影响睡眠时候的呼吸异常。

近日，美国麻省理工学院（MIT）电子工程与计算机科学系的Dina Katabi教授团队开发出一种人工智能模型，通过读取一个人的呼吸模式，就能检测出帕金森病（PD）。这一研究发表在8月22日的《自然·医学》期刊上。

帕金森病是仅次于阿尔茨海默病（AD）的全球第二常见的神经退行性疾病。目前，对帕金森病的诊断主要是基于运动症状，如静止性震颤（俗称的手抖）、肌强直、运动迟缓等。这类症状往往在疾病进展多年后才出现，因此，帕金森病的早期诊断仍是一大难题。

Katabi教授团队的这项最新研究，不需要从运动特征中寻找疾病迹象，通过直接读取个人的呼吸模式，有望将帕金森病的早期诊断提前好几年。

Katabi教授团队的研究数据来自757位PD受试者（平均年龄69.1，27%为女性）和6914位对照受试者（平均年龄66.2，30%为女性），包含11964个夜晚，超过120000小时的夜间呼吸信号。

该研究发现，连续追踪12个晚上，诊断帕金森病的准确率达95%左右。这一研究的数据集还包括帕金森病诊断前后的受试者数据。两次睡眠访问相隔6年左右，人工智能模型可以从第一组睡眠数据中预测未诊断的队列中的帕金森病，准确率75%，在患者被诊断为帕金森病之前。

Katabi教授表示：“一些研究表明，呼吸症状早在运动症状前数年就已经显现，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。”

Katabi教授并不是第一位提出帕金森病与呼吸有关系的专家。1817年，英国医生James Parkinson在首次描述帕金森病的著作中，就注意到疾病与呼吸的关系。

Katabi教授开发的这套系统，使用者不需要出门，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。这一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。

复旦大学公共卫生学院的高翔教授，其专业研究领域为营养、睡眠和脑健康，他在接受澎湃新闻记者采访时对Katabi教授团队的这项研究作出解读。

“这一研究背后的机理是，帕金森病是一类神经退行性疾病，并涉及脑部控制呼吸的部位，从而影响呼吸道对呼吸肌的调控，并影响睡眠时候的呼吸异常。”

“这二十年间，人们越来越意识到，帕金森并不仅仅是一个手抖（静止震颤）、体态不稳、肌肉僵直和运动迟缓的神经性运动障碍，其实它也伴随着许多不典型性症状，这些症状往往出现在帕金森发病之前（比如，我们在2008年提出男性性功能障碍也是帕金森的早期症状）。所以帕金森应该不只是单一脏器、单一症状的疾病，我们应该对之进行系统性研究和治疗。”

高翔提醒公众注意一些个人生活中细节的变化，“一些非典型症状往往出现在帕金森发病之前，因为其不典型，常被人忽视，但却对帕金森病的早期诊断有重大意义。古人云——别微见显，道理类似。”