ИИ может обнаружить болезнь Паркинсона по ночному дыханию

В недавнем Природная медицина журнале исследователи разрабатывают модель на основе искусственного интеллекта (ИИ) для выявления болезни Паркинсона (БП) и отслеживания ее прогрессирования по сигналам ночного дыхания.

Исследование: Обнаружение и оценка болезни Паркинсона с помощью искусственного интеллекта с использованием сигналов ночного дыхания. Изображение предоставлено: Натали _ Мис / Shutterstock.com

Фон

Поскольку болезнь Паркинсона является самым быстрорастущим неврологическим заболеванием в мире, существует острая необходимость в новых диагностических биомаркерах, которые могли бы выявить заболевание на ранней стадии. В настоящее время не существует препаратов, способных обратить вспять или остановить прогрессирование болезни Паркинсона. Кроме того, БП обычно диагностируется на основании изменений двигательных функций, таких как тремор и ригидность.

Оценка прогрессирования БП в первую очередь зависит от самоотчетов пациентов; однако клиницисты также используют Единую шкалу оценки болезни Паркинсона Общества двигательных расстройств (MDS-UPDRS) для качественной оценки БП.

Некоторые существующие биомаркеры БП, включая спинномозговую жидкость, биохимический анализ крови и нейровизуализацию, продемонстрировали многообещающие результаты в плане их потенциальной полезности для ранней диагностики этого заболевания. Однако это дорогостоящие меры, требующие доступа к многопрофильным больницам, что делает их непригодными для ранней диагностики или отслеживания прогрессирования болезни Паркинсона.

Известный английский хирург Джеймс Паркинсон впервые отметил связь между болезнью Паркинсона и дыханием в 1817 году. В последующих исследованиях также сообщалось о дегенерации участков ствола мозга, которые контролируют дыхание у пациентов с болезнью Паркинсона, что сделало дыхание многообещающим атрибутом оценки риска для клинической диагностики болезни Паркинсона. Важно отметить, что респираторные симптомы часто проявляются задолго до клинических двигательных симптомов БП.

Об исследовании

В настоящем исследовании исследователи оценили новую модель исследования на основе ИИ на 7671 человеке, используя данные из нескольких общедоступных наборов данных и больниц в Соединенных Штатах.

Модель исследования собирала данные двумя разными способами. Первый метод требовал, чтобы испытуемый носил дыхательный пояс на груди или животе, чтобы отслеживать сигналы дыхания в течение ночи. Данные, полученные с помощью этого метода, были названы набором данных о дыхательном поясе.

В качестве альтернативы, второй бесконтактный метод собирал данные о дыхании с помощью радиодатчика, который передавал маломощный радиосигнал в спальне человека и анализировал его отражения от окружающей среды. Этот набор данных назывался беспроводными данными.

Модель научилась выполнять вспомогательную задачу прогнозирования количественной электроэнцефалограммы (кЭЭГ) каждого субъекта по ночному дыханию. Примечательно, что исследователи исключили из тестирования испытуемых, которые помогали обучать нейронную сеть.

Команда выполнила k-кратную перекрестную проверку (k равно четырем) для обнаружения PD и проверку с исключением одного для прогнозирования серьезности. Межведомственное прогнозирование определялось путем обучения и тестирования модели на данных из разных медицинских центров.

Модель ИИ диагностировала БП по ночному дыханию за одну ночь, что было представлено в виде кривой рабочей характеристики приемника (ROC). Хотя модель ИИ обнаруживала болезнь Паркинсона с высокой точностью, исследователей интересовала оценка того, повысилась ли ее точность за счет объединения данных за несколько ночей у одного и того же испытуемого. Беспроводные наборы данных использовались для вычисления оценки предсказания модели для всех ночей.

Надежность теста-ретеста определялась путем усреднения прогноза по последовательным ночам в заранее заданном временном интервале. Наконец, была оценена способность модели ИИ генерировать оценку серьезности БП, которая коррелирует с MDS-UPDRS.

Результаты исследования

Средний возраст пациентов с БП составил 69,1 года, 27% участников исследования составляли женщины. Контрольная группа состояла из 6914 человек, 30% из которых были женщинами, средний возраст которых составил 66,2 года.

Были собраны продольные данные за несколько ночей для каждого человека в течение периода до одного года. В совокупности объединенные данные исследования включали 11 964 ночи с более чем 120 000 часов ночных сигналов дыхания от 757 пациентов с БП.

В наборах данных дыхательного пояса отсутствовали оценки MDS-UPDRS и Hoehn and Yahr (H&Y). И наоборот, наборы беспроводных данных имели оценки MDS-UPDRS и H&Y.

Модель исследования достигла площади под ROC-кривой (AUC) 0,889 с чувствительностью и специфичностью 80,22% и 78,62% соответственно, все с 95% доверительным интервалом (ДИ) для ночей, измеренных с использованием дыхательного пояса. Для ночей, измеренных с использованием беспроводного набора данных, модель достигла AUC 0,906 с чувствительностью и специфичностью 86,23% и 82,83% соответственно.

Оценка предсказания PD может быть любым числом между нулем и единицей. Только когда показатель БП, предсказанный моделью ИИ, превышает 0,5, считается, что у человека есть БП. Поэтому исследователи использовали средний балл PD для каждого субъекта в качестве окончательного результата диагностики.

Объединение нескольких ночей для каждого субъекта увеличило чувствительность и специфичность диагностики БП до 100% как для БП, так и для контрольных субъектов. Надежность также улучшилась и достигла 0,95 всего за 12 ночей при использовании данных за несколько ночей от одного и того же субъекта.

Наблюдалась сильная корреляция между предсказанием тяжести моделей ИИ и MDS-UPDRS, что указывает на то, что модель хорошо отражает тяжесть болезни Паркинсона. Поскольку существовала сильная корреляция между предсказанием модели и тремя частями MDS-UPDRS со значениями R 0,84, 0,91 и 0,93, было определено, что модель отражает немоторные и моторные симптомы БП.

Выводы

Система на основе ИИ, описанная в текущем исследовании, послужила многообещающим цифровым биомаркером диагностики и прогрессирования болезни Паркинсона. Кроме того, модель была удивительно объективной, ненавязчивой, недорогой и потенциально позволяла многократно проводить измерения ночного дыхания в домашних условиях.

Около 40% пациентов с БП в настоящее время не получают помощи от специалистов по ПД, так как эти клиницисты часто сосредоточены в медицинских центрах в городских районах. Для таких случаев, а также для лиц с высоким риском развития болезни Паркинсона, последний из которых включает людей с мутацией гена киназы 2, богатой лейцином, дома может быть развернута система искусственного интеллекта для пассивного отслеживания. Кроме того, система такого типа могла бы обеспечивать регулярную обратную связь с врачом пациента, который мог бы связаться с пациентом, чтобы подтвердить результаты с помощью телемедицины или личного визита.

Такие достижения в области ИИ могут поддержать медицину, решив нерешенные проблемы в исследованиях в области неврологии и предоставив новые клинические идеи для диагностики и отслеживания прогрессирования болезни Паркинсона.