一种利用人工智能的创新技术可能会改变帕金森病的管理方式。
佛罗里达大学创建的一种视频分析方法，利用人工智能，旨在增强对帕金森病患者病情进展的监测，可能改善他们的护理和生活质量。
该系统由佛罗里达大学健康与人类表现学院应用生理学与运动学副教授迭戈·华林博士开发，利用机器学习评估患者进行的敲指测试的视频录制，该测试是一种常见的帕金森病诊断测试，要求患者快速用拇指和食指敲击十次。
华林表示：“通过分析这些视频，我们可以识别出即使是很细微的手部动作变化，这些变化表明帕金森病，但临床医生可能很难通过视觉检测。”华林亦属于佛罗里达大学健康的诺曼·菲克塞尔神经疾病研究所。“这项技术允许患者自我录制进行测试，然后由软件分析，向临床医生提供有关患者运动的见解，帮助其决策。”
帕金森病是一种影响运动的神经系统疾病，可能表现为运动缓慢、颤抖、僵硬和平衡协调困难。症状通常随着时间的推移逐渐加重。帕金森病的诊断并不依赖于特定的实验室或影像学测试，而是依赖于患者进行的一系列评估和活动，以帮助临床医生评估病情的严重程度。
用于监测帕金森病进展的最常用量表之一是运动障碍协会统一帕金森病评分量表。华林强调，尽管该量表可靠，但其限制在于5分制，难以捕捉到进展中的细微变化，并且容易受到个体解释的影响。
研究团队包括佛罗里达大学的神经学家乔舒亚·黄博士、尼古拉斯·麦克法兰博士、阿道夫·拉米雷斯-萨莫拉博士，利用机器学习算法分析视频，开发出一种更为客观的量化帕金森病患者运动症状的方法，以便能够检测到疾病随时间变化的微妙变化。
华林解释道：“通过使用相机和计算机，我们可以观察到临床医生希望识别的相同特征。借助人工智能，这一检查过程对所有相关方来说变得更高效、所需时间也更少。”
该自动化系统不仅利用精确的相机数据揭示了以前未被注意到的运动细节，还强调了诸如指尖动作速度及每次敲击的运动特征变化等方面。
华林指出：“在帕金森病中，我们观察到打开时的运动延迟，相比健康个体更为明显。这个新信息在没有视频和计算机分析时几乎是不可能测量的，展示了技术如何帮助描述帕金森病对运动的影响，并提供新的标记来评估治疗效果。”
为了完善该系统，该系统最初是由华林为分析与帕金森病无关的面部特征而设计的，研究团队利用佛罗里达大学的HiPerGator，这是世界上最强大的人工智能超级计算机之一，来训练其一些模型。
华林阐述：“HiPerGator使我们能够设计一个将视频数据简化为运动分数的机器学习模型。通过HiPerGator，我们使用丰富的视频数据训练、测试和完善各种模型，使这些模型现在能够在智能手机上运行。”
诺曼·菲克塞尔研究所主任和帕金森病基金会医学顾问迈克尔·S·奥肯博士强调，基于自动化视频的评估可能会对临床试验和患者护理产生重大影响。
奥肯指出：“敲指测试在诊断和衡量帕金森病进展方面起着关键作用。目前，评估结果需要专家解读，但令人振奋的是迭戈和菲克塞尔研究所的三位帕金森病神经学家利用人工智能来标准化疾病进展评估。”
除了使这项技术可以为神经学家和医疗提供者所用，华林还与UFIT合作开发一个移动应用程序，允许个人在家中随时间监测其病情进展。
