Verzola Harper
Derzeit gibt es keine zuverlässigen Biomarker zur Identifizierung der Parkinson-Krankheit (PD) oder zur Überwachung ihrer Entwicklung. Hier haben wir mithilfe von Signalen aus der nächtlichen Atmung ein Modell der künstlichen Intelligenz (KI) erstellt, um PD zu identifizieren und ihre Entwicklung zu verfolgen. Das Modell wurde anhand von Daten aus zahlreichen Krankenhäusern in den Vereinigten Staaten sowie zahlreichen öffentlichen Datensätzen anhand eines umfangreichen Datensatzes mit 7.671 Personen bewertet. Anhand von zurückgehaltenen und externen Testsätzen kann das KI-Modell PD mit einem Bereich unter der Kurve von 0,90 bzw. 0,85 identifizieren. Die Unified Parkinson's Disease Rating Scale der Movement Disorder Society, die zur Messung des Schweregrads und des Fortschreitens von PD verwendet wird, kann auch vom KI-Modell verwendet werden. Das KI-Modell verwendet eine Aufmerksamkeitsebene, die die Interpretation seiner Schlaf- und Elektroenzephalogramm-Vorhersagen ermöglicht. Darüber hinaus kann das Modell die Atmung über Radiowellen erkennen, die im Schlaf vom Körper einer Person reflektiert werden, um PD berührungslos in der häuslichen Umgebung zu diagnostizieren. Unsere Studie liefert erste Beweise dafür, dass unser KI-Modell bei der Risikobewertung vor der klinischen Diagnose hilfreich sein kann, und zeigt die Durchführbarkeit einer objektiven, nichtinvasiven Beurteilung der Parkinson-Krankheit zu Hause.