科學家們不僅在尋找治療帕金森氏症的方法，他們還在忙於尋找更好的方法，來及早發現並遏制其發展。
上圖：神經網路建立在加權節點層上。
現在，一種可以在標準筆記型電腦上快速運行的新工具利用人工智慧，在震顫和行動遲緩等症狀出現前幾年，就能檢測到這種疾病的潛在跡象。它被稱為“CRANK-MS”：使用神經網路的分類和排序分析從質譜學中產生知識。
該工具使用模擬人腦的訓練有素的節點層，在血液中尋找特定的化合物（代謝物），找出可能預測疾病存在或預防疾病的模式。
澳洲新南威爾斯大學的化學家戴安娜張（Diana Zhang）說：「為了弄清楚與對照組相比，哪些代謝物對這種疾病更重要，研究人員通常會研究涉及特定分子的相關性。但在這裡，我們考慮到代謝物可能與其他代謝物有關聯—— 這就是機器學習的用之道。對於成百上千的代謝物，我們使用了計算能力來了解發生了什麼。 ”
研究小組使用的血漿樣本是西班牙歐洲營養與癌症前瞻性研究的一部分。研究團隊關注了39名在參與研究後15年內患有帕金森氏症的患者，並將代謝物混合物與39名沒有罹患帕金森氏症的對照組患者進行了比較。確定了幾個被認為具有潛在重要意義的模式。
這些代謝物是在人體分解食物、藥物或化學物質時產生的。例如，研究小組注意到，患有帕金森氏症的人血液中的三萜含量往往較低，三萜在細胞層面處理身體的壓力，存在於蘋果、橄欖和番茄等食物中。
研究人員也注意到，後來患有帕金森氏症的人體內存在多氟烷基物質（PFAS）。這可能與工業化學品的高暴露有關，但需要涉及更多患者的更大規模研究才能確定。
雖然，這項研究相對較小，但 CRANK-MS 能夠檢測帕金森氏症的風險，準確率高達96%。這在一定程度上是因為，從一開始就輸入系統的資料的數量和廣度，而不需要手動簡化或過濾。
上圖：血液分析可以用來評估帕金森氏症的風險。
新南威爾斯大學的化學家威廉唐納德（William Donald）說：「在這裡，我們把所有的資訊都輸入到CRANK-MS 中，一開始沒有任何資料縮減。由此，我們可以得到模型預測，並確定哪些代謝物最能推動預測，所有這些都是一步完成的。這意味著，如果有傳統方法可能遺漏的代謝物，我們現在可以提取這些代謝物。」
其他科學家也可以使用 CRANK-MS 。這意味著可以透過血液樣本檢測出更多的疾病。
研究人員現在希望，看到他們的系統在世界更多地區更大的隊列中進行測試，看看人工智慧分析是否適用於帕金森氏症—— 但就血液中代謝物的分析而言，早期的結果是很有希望的。
化學家威廉唐納德表示：「首先，在臨床診斷之前預測帕金森氏症的準確性非常高。其次，這種機器學習方法使我們能夠識別化學標誌物，這些化學標誌物在準確預測未來誰會患有帕金森氏症方面是最重要的。第三，一些最能準確預測帕金森氏症的化學標記物，在先前的基於細胞的分析中，被其他人認為與帕金森氏症有關，但在人類中卻沒有。」
這項研究發表在ACS中央科學期刊。
如果朋友喜歡，請關注「知新了」！
以上是經過訓練，人工智慧可以在症狀出現前幾年檢測出帕金森氏症的詳細內容。更多資訊請關注PHP中文網其他相關文章！
