夜行性呼吸シグナルを使用したパーキンソン病の人工知能対応の検出と評価

現在、パーキンソン病（PD）を診断したり、その進行を追跡したりするための効果的なバイオマーカーはありません。ここでは、PDを検出し、夜行性呼吸シグナルからの進行を追跡するための人工知能（AI）モデルを開発しました。このモデルは、米国のいくつかの病院からのデータと複数の公開データセットを使用して、7,671人の個人を含む大規模なデータセットで評価されました。AIモデルは、保有および外部テストセットでそれぞれ0.90および0.85の面積のある面積でPDを検出できます。AIモデルは、運動障害社会統一パーキンソン病の評価尺度に従って、PDの重症度と進行を推定することもできます（r = 0.94、p = 3.6×10-25）。AIモデルは、睡眠と脳波に関する予測を解釈できる注意層を使用します。さらに、このモデルは、睡眠中に人の体から跳ね返る無線波から呼吸することを抽出することにより、触覚のない方法で家の設定でPDを評価できます。私たちの研究は、PDの客観的、非侵襲的、在宅評価の実現可能性を実証し、また、このAIモデルが臨床診断前のリスク評価に役立つ可能性があるという最初の証拠を提供します。

There are currently no effective biomarkers for diagnosing Parkinson's disease (PD) or tracking its progression. Here, we developed an artificial intelligence (AI) model to detect PD and track its progression from nocturnal breathing signals. The model was evaluated on a large dataset comprising 7,671 individuals, using data from several hospitals in the United States, as well as multiple public datasets. The AI model can detect PD with an area-under-the-curve of 0.90 and 0.85 on held-out and external test sets, respectively. The AI model can also estimate PD severity and progression in accordance with the Movement Disorder Society Unified Parkinson's Disease Rating Scale (R = 0.94, P = 3.6 × 10-25). The AI model uses an attention layer that allows for interpreting its predictions with respect to sleep and electroencephalogram. Moreover, the model can assess PD in the home setting in a touchless manner, by extracting breathing from radio waves that bounce off a person's body during sleep. Our study demonstrates the feasibility of objective, noninvasive, at-home assessment of PD, and also provides initial evidence that this AI model may be useful for risk assessment before clinical diagnosis.