眾所周知，帕金森病難以診斷，因為它主要依賴于運動癥狀的出現，例如震顫、僵硬和行動遲緩，但這些癥狀通常在疾病發(fā)作數年后出現?，F在，麻省理工學院電氣工程和計算機科學 (EECS) 系 Thuan (1990) 和 Nicole Pham 教授、麻省理工學院 Jameel 診所首席研究員 Dina Katabi 和她的團隊開發(fā)了一種人工智能模型，可以檢測帕金森氏癥通過閱讀一個人的呼吸模式。
有問題的工具是神經網絡，這是一系列模擬人腦工作方式的連接算法，能夠通過夜間呼吸評估某人是否患有帕金森氏癥來評估某人是否患有帕金森氏癥——即睡眠時出現的呼吸模式。由麻省理工學院博士訓練的神經網絡。學生 Yuzhe Yang 和博士后 Yuan Yuan 也能夠辨別某人帕金森病的嚴重程度并跟蹤他們的疾病隨時間的進展。
楊和袁是今天發(fā)表在《自然醫(yī)學》雜志上的一篇描述這項工作的新論文的共同第一作者。Katabi 是麻省理工學院計算機科學和人工智能實驗室的附屬機構，也是無線網絡和移動計算中心的主任，是本文的資深作者。來自羅格斯大學、羅切斯特大學醫(yī)學中心、梅奧診所、??馬薩諸塞州總醫(yī)院和波士頓大學健康與康復學院的 12 名同事加入了他們的行列。
多年來，研究人員一直在研究使用腦脊液和神經影像學檢測帕金森氏癥的潛力，但這種方法具有侵入性、成本高，并且需要進入專門的醫(yī)療中心，因此不適合頻繁檢測，否則可以提供早期診斷或持續(xù)跟蹤疾病進展。
麻省理工學院的研究人員證明，帕金森病的人工智能評估可以每天晚上在人們睡覺時在家中進行，而無需接觸他們的身體。為此，該團隊開發(fā)了一款外觀類似于家用 Wi-Fi 路由器的設備，但該設備不提供互聯(lián)網接入，而是發(fā)射無線電信號，分析其對周圍環(huán)境的反射，并在沒有任何身體的情況下提取對象的呼吸模式接觸。然后將呼吸信號饋送到神經網絡，以被動方式評估帕金森氏癥，患者和護理人員無需付出任何努力。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！