Nature研究表明，人工智能可以检测与脑部疾病相关的隐藏运动线索

佛罗里达大学的一名研究人员正在利用人工智能从视频记录中发现这些细微的变化，在临床症状在临床医生眼中显现出来之前。

早期发现哪怕是最轻微的运动功能变化，对于减缓帕金森病的进展也至关重要。然而，这些细微的迹象常常被忽视。 

现在，佛罗里达大学研究员 Diego L. Guarín 博士正在利用人工智能从视频记录中发现这些细微的变化，以便在临床医生看到临床症状之前。 

Guarín 是佛罗里达大学健康与人类表现学院应用生理学和运动机能学系的助理教授 ，也是赫伯特沃特海姆工程学院 J. Crayton Pruitt 家族生物医学工程系 和 诺曼菲克塞尔神经疾病研究所 的附属教员 ，他最近在《自然》杂志上发表了他的研究成果 。 

“视频分析使我们能够看到临床医生肉眼无法察觉的运动变化，”Guarín说道。“及早发现这些运动变化对于疾病管理至关重要。”

在他的调查中，Guarín 分析了 66 名参与者的手指敲击动作视频，其中包括健康人、患有特发性快速眼动睡眠行为障碍 (iRBD) 的人以及早期帕金森病患者。 

特发性快速眼动睡眠行为障碍 (iRBD) 是指患者在睡眠中将梦境付诸行动，包括在睡眠中说话、移动甚至发脾气。超过 80% 的 iRBD 患者会患上帕金森病或相关的脑部疾病，这使得该人群成为研究早期运动功能变化的重要人群。 

重要的是，试验参与者在手指敲击视频中不能表现出明显的帕金森病迹象（具有类似症状的大脑疾病，如动作迟缓）。 

“一位专业临床医生看了视频，表示这些参与者都很健康，”瓜林说。“我们分析的每个人在外部观察者看来都很健康。”

使用Guarín 团队开发的开源机器学习软件VisionMD对视频录像进行分析 。

“当你用 VisionMD 处理这段看似健康人的视频时，它会立即说：‘不，这个人的动作比你预期的健康人慢得多。’所以视频中存在一些肉眼无法察觉的运动异常，”Guarín 说。“我们的视频分析技术非常灵敏，可以识别临床医生无法识别的东西。”

研究发现，即使临床医生认为手指敲击测试看起来很正常，使用人工智能的视频分析也会发现帕金森病患者的动作比其他人群更小、更慢，这证明了这种方法的重要性。 

此外，人工智能和视频分析可以检测iRBD和帕金森病患者的序列效应。序列效应是指在重复运动（例如敲击手指）过程中，运动幅度和/或速度逐渐降低。这种运动信号的起源和机制尚不清楚，但它在iRBD和帕金森病中的存在可能表明序列效应是脑部疾病的早期指标。 

“通过标准视频录制进行这种简单有效的筛查，即使是通过智能手机或网络摄像头拍摄的视频，也可以更快地对脑部进行诊断，并帮助那些病情恶化风险更高的人。”