今后，只要佩戴可穿戴式设备，老年人就能足不出户检测自己是否患有帕金森病，并能清晰知道自己的严重程度。

　　近日，IBM 与辉瑞公司（Pfizer）等机构合作开发了一种新算法，可以利用 AI 远程分析人体运动数据，从而判断其患帕金森病的严重程度。相关研究成果已发表在自然（Nature）出版集团旗下刊物《科学报告》（Scientific Reports）上。

　　帕金森病是一种常见的神经系统变性疾病，主要症状为震颤、肢体僵硬、运动迟缓和步态障碍等。目前没有检验方法能有效确认一个人是否患有帕金森病。用于评估帕金森病严重程度的是世界运动障碍学会帕金森病综合评量表（MDS-UPDRS）。

　　在评估过程中，医生会要求患者做出走路、轻敲手指和踩脚等动作，并用0-4 的等级判断患者动作的幅度、频率和质量，最终评估其患病的严重程度。然而这种评估方式的主观性较强，评估的准确性很大程度上取决于医生的经验，而且还会产生“白大褂效应”（患者因看到医生血压升高，导致医生诊断不准确）。

　　IBM 研发的算法通过可穿戴式设备，获取人体运动数据，并将其转换成一系列 “节点”（syllables），每个动作都可以对应多个由“节点”组成的序列。这些序列就是判断帕金森病严重程度的标志：正常人的“节点”序列在统计分布上是显著的，而帕金森病患者的“节点”序列是杂乱无章的。

　　通过可穿戴设备记录的患者走路时的手臂弯曲和转换的“节点”序列

　　借助 AI 算法，整套系统可以评估患者姿势不稳和步态障碍（PIGD）的情况，也可以借助 MDS-UPDRS 量表估算患者帕金森病的总体严重程度。

　　该论文的第一作者、IBM 工程师 Avner Abrami 在其博客文章表示：“这种方法的另一个好处是，与要求患者去诊所看医生相比，远程医疗检查的执行频率更高。”研究人员称，如果该技术未来投入应用，它能一天 24 小时监测患者的神经系统状态，并用平均持续时间少于 10 分钟的运动作为评估数据。相比之下，如果使用传统方式，患者需要一年到医院测量几次，而且评估结果往往带有较强的主观性。

　　不同患者的“节点”序列（上），模型估计的姿势不稳和步态障碍（PIGD）（左下），模型估计的帕金森病严重程度（右下）

　　据介绍，该研究是 IBM 与辉瑞公司合作的蓝天计划（BlueSky）项目的一部分。项目于 2016 年启动，目的在于能开发出一种系统，以改善进行帕金森病药物临床试验的方式。要实现 BlueSky 项目的目标，基本前提是对临床试验进行数字化处理。为此，首先需要在日常生活中连续不断地收集帕金森病患者的运动数据，其次开发 AI 算法对这些数据进行分析研究，最后对患者的运动功能进行实时评估。

　　在新冠疫情的背景下，这项技术还可以减少中老年人出门的次数，降低其感染新冠病毒的风险。 “如何扩大远程医疗服务范围以帮助易受新冠病毒感染的患者留在家中越来越受到关注，而我们的研究表明神经病学家能够远程、准确地评估帕金森病患者。” 论文作者之一、IBM 研究人员 Vittorio Caggiano 称。