科学家们不仅在寻找治疗帕金森氏症的方法，他们还在忙于寻找更好的方法，来及早发现并遏制其发展。
上图：神经网络建立在加权节点层上。
现在，一种可以在标准笔记本电脑上快速运行的新工具利用人工智能，在震颤和行动迟缓等症状出现前几年，就能检测到这种疾病的潜在迹象。它被称为“CRANK-MS”：使用神经网络的分类和排序分析从质谱学中产生知识。
该工具使用模拟人脑的训练有素的节点层，在血液中寻找特定的化合物（代谢物），找出可能预测疾病存在或预防疾病的模式。
澳大利亚新南威尔士大学的化学家戴安娜·张（Diana Zhang）说：“为了弄清楚与对照组相比，哪些代谢物对这种疾病更重要，研究人员通常会研究涉及特定分子的相关性。但在这里，我们考虑到代谢物可能与其他代谢物有关联 —— 这就是机器学习的用之道。对于成百上千的代谢物，我们使用了计算能力来了解发生了什么。”
研究小组使用的血浆样本是西班牙欧洲营养与癌症前瞻性研究的一部分。研究小组关注了39名在参与研究后15年内患上帕金森病的患者，并将代谢物混合物与39名没有患上帕金森病的对照组患者进行了比较。确定了几个被认为具有潜在重要意义的模式。
这些代谢物是在人体分解食物、药物或化学物质时产生的。例如，研究小组注意到，患有帕金森症的人血液中的三萜含量往往较低，三萜在细胞水平上处理身体的压力，存在于苹果、橄榄和西红柿等食物中。
研究人员还注意到，后来患上帕金森症的人体内存在多氟烷基物质（PFAS）。这可能与工业化学品的高暴露有关，但需要涉及更多患者的更大规模研究才能确定。
虽然，这项研究相对较小，但 CRANK-MS 能够检测帕金森病的风险，准确率高达96%。这在一定程度上是因为，从一开始就输入系统的数据的数量和广度，而不需要手动简化或过滤。
上图：血液分析可以用来评估帕金森氏症的风险。
新南威尔士大学的化学家威廉·唐纳德（William Donald）说：“在这里，我们把所有的信息都输入到 CRANK-MS 中，一开始没有任何数据缩减。由此，我们可以得到模型预测，并确定哪些代谢物最能推动预测，所有这些都是一步完成的。这意味着，如果有传统方法可能遗漏的代谢物，我们现在可以提取这些代谢物。”
其他科学家也可以使用 CRANK-MS 。这意味着可以通过血液样本检测出更多的疾病。
研究人员现在希望，看到他们的系统在世界更多地区更大的队列中进行测试，看看人工智能分析是否适用于帕金森氏症 —— 但就血液中代谢物的分析而言，早期的结果是很有希望的。
化学家威廉·唐纳德表示：“首先，在临床诊断之前预测帕金森病的准确性非常高。其次，这种机器学习方法使我们能够识别化学标志物，这些化学标志物在准确预测未来谁会患上帕金森氏症方面是最重要的。第三，一些最能准确预测帕金森病的化学标记物，在之前的基于细胞的分析中，被其他人认为与帕金森病有关，但在人类中却没有。”
这项研究发表在ACS中央科学杂志上。
如果朋友们喜欢，敬请关注“知新了了”！
Das obige ist der detaillierte Inhalt von经过训练，人工智能可以在症状出现前几年检测出帕金森病. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
