作为一种致病原因和症状均存在广泛差异性的慢性疾病,想要预测帕金森疾病(PD)患者的病情发展十分困难。我们难以解释为什么有些患者的病情会持续加重,而有些人却不会。 帕金森疾病的症状通常表现为影响患者的运动和非运动功能。但是目前为止,其基本生物学机制仍然处于未知状态。因此,临床医生需要通过个体患者的症状表现从而判断并预测疾病的进展程度,然而当患者正在服用药物以缓解症状时,这一过程就变得更加困难。 自 2018 年起,IBM Research 与全球最大的非营利性帕金森病研究资助机构 Michael J. Fox 基金会(MJFF)开展了一项合作,使用机器学习跟踪并分析 423 名早期帕金森患者以及 196 名健康人在七年之中的症状和疾病进展,来促进对帕金森疾病及其病因的了解。日前,基于该项合作的最新进展已经发表于 The Lancet Digital Health。 总的来说,对于帕金森疾病的进展状况难以直接进行判断,加之不同患者对药物的反应很可能不一致,种种原因激发了对于使用 AI 模型进行个性化预测的需求。 考虑到这一点,IBM Research 和 MJFF 设计了一个人工智能程序,用于跟踪帕金森疾病患者的症状在时间和严重程度方面的恶化情况。目前,该模型揭示了帕金森疾病在不同个体间的症状表现、疾病进展和药物作用方面具有差异性,并且通过结合已知症状的时间和症状表现来预测疾病的进展。 该 AI 模型在设计中考虑了可能影响症状的药物因素,包括可以减轻震颤、改善运动控制及其他常见症状的药物,从而提高了样本间的差异性认知,实现在不同患者的不同症状之间预测其疾病进展情况。这一技术将有助于医生更好地预测患者的疾病进展,从而进行针对性治疗,或协助医生选择最有效的临床治疗方案。
(来源:The Lancet Digital Health) 举例来说,一名患者的震颤症状可能已经通过药物被缓解,而另一位患者的病情则发展到同等症状水平。此时,使用机器学习来区分相同症状下的不同疾病进展程度是该技术的用途所在,也是其在医疗保健领域发展成功的关键。 此前,IBM 曾经表示,希望临床医生能够通过使用 AI 模型对患者进行有效地分组,从而更好地预测疾病的进展和可能的预后效果。 本次研究中,研究人员使用了大量来自于 Michael J. Fox 基金会针对于帕金森疾病的临床研究数据,包括长达七年的纵向病例数据(随时间发展的患者临床症状)进行机器学习,并将帕金森疾病的典型症状按照模式进行分组。