科学家开发人工智能工具来预测帕金森病的发作

来自新南威尔士大学悉尼分校的科学家与波士顿大学的合作者开发了一种工具，可以在第一个症状开始出现之前几年就显示出检测帕金森病的早期希望。

在今天发表在ACS Central Science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西班牙欧洲癌症和营养前瞻性调查(EPIC)收集的健康个体的血液样本。该团队专注于39名在15年后患帕金森氏症的患者，在包含有关代谢物的广泛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，药物或化学物质时产生的化合物。

在将这些代谢物与39名匹配的对照患者(同一研究中没有继续发展帕金森氏症的人)进行比较后，研究小组能够确定可以预防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Diana Zhang所解释的那样，她和副教授W. Alexander Donald开发了一种名为CRANK-MS的机器学习工具，该工具代表使用神经网络从质谱中生成知识的分类和排名分析。

“分析代谢组学数据最常见的方法是通过统计方法，”张说。

“因此，为了弄清楚与对照组相比，哪些代谢物对疾病更重要，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。有了成百上千的代谢物，我们已经使用计算能力来了解正在发生的事情。

唐纳德教授说，除了研究代谢物的组合外，研究人员还使用了一份未经编辑的数据列表。

“通常，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，首先减少化学特征的数量，然后再将其输入算法，”他说。

“但是在这里，我们将所有信息输入CRANK-MS，而不会在开始时进行任何数据缩减。由此，我们可以一步获得模型预测并确定哪些代谢物对预测的驱动力最大。这意味着，如果使用常规方法可能遗漏了代谢物，我们现在就可以拾取它们。

这对帕金森病有何意义

目前，帕金森病是通过观察休息性手部震颤等身体症状来诊断的。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几十年，帕金森病患者可能会出现睡眠障碍和冷漠等非典型症状。因此，CRANK-MS可以在这些非典型症状的第一个迹象中使用，以排除或排除未来患帕金森氏症的风险。

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，以高达96%的准确率检测帕金森病。

“这项研究在多个层面上都很有趣，”他说。

“首先，在临床诊断之前预测帕金森病的准确性非常高。其次，这种机器学习方法使我们能够识别化学标志物，这些化学标志物对于准确预测未来谁会患上帕金森病是最重要的。第三，一些最能推动准确预测的化学标志物以前在基于细胞的测定中被其他人与帕金森病有关，但在人类中则不然。

发人深思的东西

在研究中检查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，与没有患帕金森病的人相比，后来患帕金森病的人血液中的三萜类化合物浓度较低。三萜类化合物是一种已知的调节氧化应激的神经保护剂，常见于苹果、橄榄和西红柿等食物中。未来的研究可以检查吃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，在继续发展帕金森氏症的人中存在多氟烷基物质(PFAS)，这可能与暴露于工业化学品有关。

“我们有证据表明它是PFAS，但我们需要更多的表征数据才能100%确定，”A/Prof Donald说。

免费提供给所有人

CRANK-MS是一种公开可用的工具，任何希望使用机器学习使用代谢组学数据进行疾病诊断的研究人员都可以使用。

“我们以适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善我们诊断和监测疾病方式的一个例子。令人兴奋的是，CRANK-MS可以很容易地应用于其他疾病，以识别感兴趣的新生物标志物。

“该工具是用户友好的，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。”