科学家开发人工智能工具来预测帕金森病的发作

来自悉尼新南威尔士大学的科学家与波士顿大学的合作者开发了一种工具，该工具显示出在帕金森氏病首次症状开始出现前数年检测出早期前景的希望。

在今天发表在ACSCentralScience杂志上的研究中，研究人员描述了他们如何使用神经网络来分析患者体液中的生物标志物。

新南威尔士大学化学学院的研究人员检查了从西班牙欧洲癌症和营养前瞻性调查(EPIC)收集的健康人身上采集的血液样本。该团队以39名在长达15年后患上帕金森症的患者为重点，在包含大量代谢物信息的数据集上运行他们的机器学习程序——代谢物是身体在分解食物、药物或化学品时产生的化合物。

在将这些代谢物与39名匹配的对照患者(同一研究中未继续发展帕金森氏症的人)的代谢物进行比较后，该团队能够识别出可以预防帕金森氏症或可能成为帕金森氏症早期预警信号的独特代谢物组合。

正如新南威尔士大学研究员DianaZhang所解释的那样，她和副教授W.AlexanderDonald开发了一种名为CRANK-MS的机器学习工具，它代表使用神经网络从质谱生成知识的分类和排名分析。

“分析代谢组学数据的最常见方法是通过统计方法，”张说。

“因此，为了弄清楚哪些代谢物对疾病和对照组更重要，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以与其他代谢物相关联——这就是机器学习的用武之地。对于成百上千的代谢物，我们已经使用计算能力来了解正在发生的事情。”

一个/教授。唐纳德说，除了研究代谢物的组合外，研究人员还使用了未经编辑的数据列表。

“通常情况下，研究人员使用机器学习来检查代谢物与疾病之间的相关性，首先会减少化学特征的数量，然后再将其输入算法，”他说。

“但在这里，我们在一开始就将所有信息输入CRANK-MS，而没有任何数据减少。从中，我们可以获得模型预测并确定哪些代谢物最能推动预测，所有这些都一步完成。这意味着如果有使用传统方法可能遗漏的代谢物，我们现在可以拾取它们。”

这对帕金森病有何重要意义

目前，帕金森病的诊断是通过观察手部静息震颤等身体症状。没有血液或实验室测试来诊断它的非遗传病例。但是，在运动症状出现之前的几十年，帕金森氏症患者可能会出现睡眠障碍和冷漠等非典型症状。因此，CRANK-MS可用于这些非典型症状的第一个迹象，以排除或排除未来患帕金森病的风险。

然而，唐纳德副教授强调，在可靠地使用该工具之前，需要使用更大的队列并在全球多个地区进行验证研究。但在为这项研究检查的有限队列中，结果很有希望，CRANK-MS能够分析血液中发现的化学物质以检测帕金森病，准确率高达96%。

“这项研究在多个层面都很有趣，”他说。

“首先，在临床诊断之前预测帕金森氏病的准确性非常高。其次，这种机器学习方法使我们能够识别出最重要的化学标记物，以准确预测谁将在未来患上帕金森氏病。第三，一些最能推动准确预测的化学标记物之前已被其他人在基于细胞的分析中与帕金森病联系起来，但在人类中却没有。”

深思熟虑

在检查研究中继续发展帕金森氏症的人的代谢物时，有一些有趣的发现。

例如，与未患帕金森病的人相比，后来患上帕金森病的人血液中三萜类化合物的浓度较低。三萜类化合物是一种已知的神经保护剂，可调节氧化应激，常见于苹果、橄榄和西红柿等食物中。未来的一项研究可能会检查食用这些食物是否可以自然地预防帕金森病的发展。

同样值得进一步探索的是，在后来患上帕金森病的人体内存在多氟烷基物质(PFAS)，这可能与接触工业化学品有关。

“我们有证据表明它是PFAS，但我们需要更多的特征数据才能100%确定，”副教授/唐纳德教授说。

所有人免费使用

CRANK-MS是一种工具，任何想要使用机器学习通过代谢组学数据进行疾病诊断的研究人员都可以公开使用。

“我们以符合目的的方式构建了模型，”张说。

“应用CRANK-MS检测帕金森病只是人工智能如何改进我们诊断和监测疾病的方式的一个例子。令人兴奋的是，CRANK-MS可以很容易地应用于其他疾病，以识别新的感兴趣的生物标志物。”

“该工具易于使用，平均而言，在传统笔记本电脑上可以在不到10分钟的时间内生成结果。”