用于帕金森病诊断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，主要症状如震颤，僵硬或肌肉僵硬，运动迟缓和姿势不稳定。到诊断时，帕金森病（PD）往往已达到中晚期，导致更多并发症。

　　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。虽然在成人中，它通常发生在皮脂浓度较高的地方，如面部，胸部或背部，但它与激素的分泌有关，导致PD患者经历的酵母和酶的产生增加。

　　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，引入了使用气味特征进行非侵入性诊断的可能性。

　　浙江大学、浙江大学医学院、浙江实验室智能传感研究中心、天津中医药大学等研究人员提出了一种新颖的方法，即使用快速气相色谱（GC）和带有嵌入式机器学习算法的表面声波（SAW）传感器来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谱模型。

　　他们使用单个或多个参数来鉴定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。

　　结果表示什么？

　　出于评估目的，该团队收集了31名帕金森病患者和32名健康对照（HC）的数据，用于人工智能嗅觉系统，其中12个PD和12个HC用于评估模型的临床使用情况。结果表明，AIO系统可以作为临床诊断方法，通过皮脂的气味诊断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系统收集的气味谱分别以70.8%和79.2%的PD和HC提供了准确的分类。

　　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。然而，在实际情况下，两种或多种化合物可能具有接近的保留时间，这将导致峰在快速GC分离中重叠。

　　为了保持高分类精度，需要平衡样品的数据分布。PD和HC样本的受控均衡并不代表PD在临床环境中的分布。这导致模型的可就业性有限。

　　总之，所提出的通过嗅觉诊断的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气态辅助诊断PD的新方法，具有更高的检测速度和更低的检测成本，”该团队在研究文章中解释道。

　　这种AIO系统并不是潜在PD患者的唯一非侵入性诊断方法。最近的另一项工作使用体液生物标志物 - 一组研究人员进行了工作，提出了一种基于血液的基因表达生物标志物鉴定，用于使用双层混合特征选择进行PD诊断。

　　是呢环保局：郭婷