用于诊断帕金森病的非侵入性人工智能嗅觉系统

　　帕金森病是与衰老相关的最常见的慢性神经退行性疾病之一。它影响身体运动，主要症状包括震颤、僵硬或肌肉僵硬、运动迟缓和姿势不稳。到确诊时，帕金森病（PD）往往已进入中晚期，并发症较多。

　　现有研究表明，脂溢性皮炎是一种非常常见的皮疹类型，是 PD 的运动前症状之一。虽然在成年人中，它通常发生在皮脂浓度较高的部位，如面部、胸部或背部，但它与激素的分泌有关，导致 PD 患者产生的酵母和酶增加。

　　进一步的研究表明，PD 患者皮肤上的皮脂表现出独特的气味，这为使用气味特征进行非侵入性诊断提供了可能性。

　　浙江大学、浙江大学医学院、浙江实验室智能传感研究中心和天津中医药大学的研究人员提出了一种新方法，该方法使用快速气相色谱 （GC） 和表面声波 （SAW） 传感器嵌入式机器学习算法形成人工智能嗅觉系统。

　　在论文“用于诊断帕金森病的人工智能嗅觉系统”中，该团队建议所提出的技术快速、便携、低成本且易于操作。它使用多种机器学习策略，包括支持向量机、随机森林、k 最近邻、AdaBoost 和朴素贝叶斯来构建基于诊断生物标志物的模型和气味特征模型。

　　他们使用单个或多个参数来识别色谱图中的重要挥发性有机化合物。该系统包括三个模块：

　　气体注入和预浓缩模块

　　色谱分离模块

　　传感器检测模块

　　研究文章中解释了完整 AIO 系统的详细操作。

　　结果表明什么？

　　出于评估目的，该团队为人工智能嗅觉系统收集了 31 名帕金森病患者和 32 名健康对照者（HC）的数据，其中 12 名 PD 和 12 名 HC 用于评估模型的临床使用情况。结果表明，AIO系统可作为临床诊断方法，通过皮脂气味诊断PD患者。

　　结果表明，PD 患者和 HC 组之间存在三种重要的生物标志物——辛醛、乙酸己酯和紫苏醛。使用这三种 VOC 生物标志物，AIO 系统收集的气味特征分别提供了 70.8% 和 79.2% 的 PD 和 HC 准确分类。

　　但是，建议的诊断方法存在一些局限性：

　　AIO 系统用于分离混合 VOC 的快速 GC 方法有几个局限性。在 GC 分离中，图中的每个峰代表具有独特保留时间的纯化合物。但在实际情况下，两种或多种化合物的保留时间可能很接近，这会导致快速 GC 分离中的峰重叠。

　　为了保持较高的分类精度，需要平衡样本的数据分布。PD 和 HC 样本的受控均衡并不代表 PD 在临床环境中的分布。这导致模型的就业能力有限。

　　总之，所提出的通过气味诊断方法为帕金森病的早期诊断提供了新的可能性。“与嗅觉测试、睡眠测试和其他解决方案相比，AIO 系统和 ML 的结合可能会产生一种新的 PD 气体辅助诊断方法，检测速度更快，检测成本更低，”该团队在研究文章。

　　这种 AIO 系统并不是潜在 PD 患者唯一的非侵入性诊断方法。最近的另一项工作是使用体液生物标志物——一组研究人员开展了一项工作，提出了一种基于血液的基因表达生物标志物识别，用于使用两层混合特征选择进行 PD 诊断 。