A Parkinson-kórt köztudottan nehéz diagnosztizálni, mivel elsősorban a motoros tünetek, például a remegés, a merevség és a lassúság megjelenésére támaszkodik, de ezek a problémák gyakran több évvel a betegség kezdete után jelentkeznek.
Dina Katabi, az MIT Villamosmérnöki és Informatikai Tanszékének (EECS) professzora, valamint az MIT Jameel Klinika vezető kutatója és csapata kifejlesztett egy mesterséges intelligencia-modellt, amely képes a Parkinson-kór felismerésére pusztán az ember légzési mintáinak leolvasásából.
A szóban forgó eszköz egy neurális hálózat, azaz az emberi agy működését utánzó, összekapcsolt algoritmusok sorozata, amely az éjszakai légzésből – azaz az alvás közbeni légzésmintákból – képes felmérni, hogy valakinek Parkinson-kórja van-e. A neurális hálózat, amelyet az MIT doktorandusza, Yuzhe Yang és a posztdoktor Yuan Yuan képzett ki, képes arra is, hogy megállapítsa a Parkinson-kór súlyosságát, és nyomon kövesse a betegség időbeli előrehaladását.
Az évek során a kutatók vizsgálták a Parkinson-kór kimutatásának lehetőségét agy-gerincvelői folyadék és idegrendszeri képalkotás segítségével, de ezek a módszerek invazívak, költségesek és speciális orvosi központokhoz való hozzáférést igényelnek, ami alkalmatlanná teszi őket gyakori vizsgálatokra, amelyek egyébként a korai diagnózist vagy a betegség előrehaladásának folyamatos nyomon követését biztosíthatnák.
Az MIT kutatói bemutatták, hogy a Parkinson-kór mesterséges intelligenciával történő felmérése minden este elvégezhető otthon – miközben az illető alszik –, anélkül, hogy hozzá kellene érni az alany testéhez.
Ehhez a csapat egy olyan eszközt fejlesztett ki, amely egy otthoni Wi-Fi router kinézetével rendelkezik, de az internet-hozzáférés helyett az eszköz rádiójeleket bocsát ki, elemzi azok visszaverődését a környezetről, és testkontaktus nélkül kivonja az alany légzési mintáit. A légzési jelet ezután a Parkinson-kór passzív értékelésére szolgáló neurális hálózatba táplálják, tehát a páciens és a gondozó részéről nulla erőfeszítésre van szükség.
A Parkinson-kór az Alzheimer-kór után a második leggyakoribb neurológiai betegség. Csak az Egyesült Államokban több mint 1 millió embert érint, és éves szinten 51,9 milliárd dollár gazdasági terhet jelent. A kutatócsoport algoritmusát 7 687 személyen, köztük 757 Parkinson-kóros betegen tesztelték.
Katabi megjegyzi, hogy a tanulmánynak fontos hatásai vannak a Parkinson-kór gyógyszerfejlesztésére és a klinikai ellátásra:
A gyógyszerfejlesztés szempontjából az eredmények lehetővé tehetik a lényegesen rövidebb időtartamú és kevesebb résztvevővel végzett klinikai vizsgálatokat, ami végső soron felgyorsíthatja az új terápiák kifejlesztését. Ami a klinikai ellátást illeti, a megközelítés segíthet a hagyományosan alulellátott közösségekben élő Parkinson-páciensek felmérésében, beleértve a vidéki területeken élőket és azokat, akik korlátozott mobilitás vagy kognitív károsodás miatt nehezen hagyják el otthonukat.
Forrás: BigThink
