卡迪夫大学的科学家们发现了一种方法，可以通过分析普通智能手表提供的运动数据，在临床症状出现前数年准确预测帕金森病的发生。他们表明，一种基于腕戴式加速度计数据训练的机器学习能够在临床诊断前 7 年内准确确定帕金森病的风险。

帕金森病影响着全世界超过 1000 万人。这种疾病的特点是黑质（下脑的一种结构）中产生多巴胺的神经元急剧丧失。帕金森症会导致患者逐渐失去对身体的控制。最初表现为体力活动总体减少，后来发展为无法控制的震颤以及呼吸和心脏功能等自主活动的丧失。

虽然帕金森病可以通过增强患者大脑中多巴胺活性的药物来治疗，但不幸的是，目前尚无已知的治愈方法。此外，由于目前的临床测试成本高昂，因此在震颤发作前的前驱阶段诊断该疾病可能很困难。这阻碍了患者的早期诊断，也必然限制了帕金森病早期研究的数量。开发在疾病进展早期防止神经元丢失的治疗方法可能会防止帕金森病患者出现更严重的衰弱症状。

研究人员与英国痴呆症研究所合作，以英国生物银行项目 (UKBB)为基础进行研究，该项目是从超过 500,000 人收集的健康记录和数据的数据集。科学家从数据集中提取了后来患上帕金森病的参与者的加速度数据。这些数据是在为期一周的时间内从手腕上的加速度计收集的，提供了随时间变化的活动测量结果，研究人员假设这将表明帕金森氏症的后期发展。“非常独特的是，我们在收集数据后有七年的观察时间，以便我们可以进行回顾性分析，”博士说。学生Ann-Kathrin Schalkamp与其他科学家一起进行了这项研究凯瑟琳·J·皮尔、尼尔·A·哈里森和辛西娅·桑德尔。

为了检验这一假设，研究人员训练了一个机器学习模型，通过一系列测量数据来预测帕金森病的结果，包括加速度数据、基因筛查、生活方式描述和血液化学。他们的分析表明，他们在所有数据源上训练的逻辑回归模型在预测帕金森病时都非常准确。然而，他们还表明，仅根据加速度测量数据训练的模型预测诊断的平均准确度没有显着差异，这表明加速度测量比研究人员考虑的任何其他功能更具指示性。

在一个案例中，根据参与者在被诊断前 7 年提供的加速度测量数据，准确预测了参与者患有这种疾病。“因为我们只更新了 2016 年到 2021 年的数据，所以最多有七年时间，但模型能够预测它，”沙尔坎普说。“如果我们再等五年、十年左右，我们就可以检查数据是否可以进一步预测”未来。研究人员计划通过使用其他机器学习模型来扩展他们的预测结果，这些模型可能会提供更准确的帕金森病预测。

该实验的结果可能有助于推动对前驱帕金森病的研究。沙尔坎普认为，早期发现前驱疾病症状可以帮助患者在疾病的早期阶段得到护理。利用这些结果，个人可以将健身监视器或智能手表的加速度测量数据与他们的医疗保健提供者联系起来，使他们能够准确评估自己患帕金森氏症的风险。这项服务的形式可能类似于另一种现有的针对帕金森病患者的基于智能手表的应用程序:去年，美国食品和药物管理局批准了Rune Labs 开发的一款应用程序，该应用程序使用Apple Watch 生物识别数据为患者提供最新的评估他们的疾病症状。

虽然帕金森氏症的早期检测可能使患者受益，但研究人员指出，如果他们的模型用于控制医疗保健的获取，可能会产生责任或数据隐私问题。沙尔坎普说:“人们经常对这些健康应用程序感到担忧，担心这些数据可能会与保险公司共享。”他指出，保险公司可以“调整他们的费率，或者如果他们认为你有患上某种疾病的高风险，就不会为你提供保险。”让他们花了很多钱。” 为了防止滥用，沙尔坎普建议将预测直接与患者的电子健康记录联系起来:“第一步是不共享原始数据。应该安全存储私人的、可识别的数据，并且只向经过认证的医护人员提供派生的表型，例如帕金森病的风险。