柏金遜症｜人工智能分析呼吸 助追蹤柏金遜症

由腦組織退化所致的柏金遜症，可引起肢體顫抖、僵硬及行動遲緩等症狀，但症狀往往在病發後數以年計才出現及被察覺。美國有研究團隊便研發出人工智能模型，希望透過呼吸模式變化，以盡早發現患有柏金遜症的人。

減感染風險

該項人工智能模型由美國麻省理工學院電子工程與電腦科學學系合作研發，儀器外形類似家用Wi-Fi路由器，可以模擬人類大腦運作，並學習及記錄柏金遜症患者睡眠時的呼吸模式，然後分析患者周遭的環境反應及其呼吸模式，以被動的方式評估柏金遜症的進展。新發明的好處是患者在過程中毋須與醫護人員接觸，在疫情橫行的期間可減低受感染機會，亦可減少往來醫院的時間和成本。有關研究已於《Nature Medicine》發表。

及早發現症狀

研究人員指出，早於200年前已有學者注意到柏金遜症與呼吸之間有一定關係，而今次研究結果亦有助研發新藥及改善病人的護理，幫助提早發現症狀及追蹤病情。

過去醫生主要透過檢查腦脊液(腦水)及腦部造影檢查去診斷病人是否患有柏金遜症，但抽取腦脊液具入侵性，造影檢查的成本亦不低，又要到診所或醫院進行，令病人難以定期接受檢測及跟進病況。