Big Blue 的研究部门和迈克尔·J·福克斯基金会 (MJFF) 建立了一个人工智能模型，可以对帕金森病 (PD) 的典型症状模式进行分组，并准确地查明患者这些症状的进展，无论是否 他们正在服用药物来掩盖这些症状。
这一发现发表在《柳叶刀数字健康》杂志上，是这两个组织最初旨在实现的主要目标之一。 自 2018 年 7 月以来，IBM Research 和 MJFF 一直在合作研究如何应用机器学习来帮助临床医生进一步了解 PD 的潜在生物学，特别是因为它在个体之间的进展如此不同。
作为开发 AI 模型的一部分，研究人员使用了来自帕金森病进展标记计划 (PPMI) 的去识别化数据集。
“数据集作为机器学习方法的输入，能够发现复杂的症状和进展模式，”IBM Research 在研究论文中说。
“虽然之前的许多研究都侧重于仅使用基线信息来表征帕金森氏病，但我们的方法依赖于长达七年的患者数据。此外，与之前的研究相比，我们的模型对进展途径的先验假设有限。”
IBM Research 表示，因此，研究人员发现患者的状态可能因多种因素而异，包括进行日常生活活动的能力； 围绕运动缓慢、震颤和姿势不稳的问题； 和非运动症状，如抑郁、焦虑、认知障碍和睡眠障碍。 同时，该模型可以预测患者何时会发展为严重的 PD 状态。
“我们发现结果支持不同进展途径的假设，正如我们观察到的许多疾病轨迹所表明的那样。然而，人工智能模型仍然能够做出准确的预测。在使用一个数据集学习模型后，它是 能够成功预测与痴呆症和无法独立行走等结果相关的帕金森病晚期状态，”IBM Research 表示。
根据这一发现，研究人员希望该模型可用于帮助临床医生为患者管理提供建议，并确定可能从临床试验中受益的人。
作为下一步，计划通过结合基因组和神经影像学测量进一步完善模型，以便它可以提供更精细的疾病特征。
