Выявление болезни Паркинсона на ранней стадии с помощью ИИ: новое исследование

Недавнее исследование, опубликованное в журнале Frontiers in Digital Health, показало, что использование искусственного интеллекта (ИИ) для анализа нескольких цифровых биомаркеров может повысить точность выявления болезни Паркинсона (БП) на ранних стадиях.

Болезнь Паркинсона — это прогрессирующее нейродегенеративное заболевание. Оно проявляется тремором, замедлением движений, изменениями походки и почерка, а также когнитивными расстройствами, проблемами с речью и сном. Диагноз ставится преимущественно на основании клинического обследования, что вносит элемент субъективности и повышает риск пропуска болезни в самом начале её развития.

Исследование

Учёные разработали мультимодальную модель ИИ, объединяющую 3 типа данных: речь, походку и почерк. Для анализа голоса использовались специальные алгоритмы (спектрограммы и сеть EfficientNet-B0), выявляющие характерные речевые особенности. Динамику движений оценивали с помощью нейросетей (TCN и автокодировщики), анализирующих параметры шага и силу опоры. Почерк изучала отдельная архитектура (ResNet-50): она оценивала спиральные рисунки на наличие тремора или микрографии (уменьшения букв). После обработки все признаки объединялись и классифицировались итоговой моделью (XGBoost). Чтобы сделать решения системы прозрачными, использовались методы «объяснимого ИИ» (SHAP, Grad-CAM), которые наглядно показывают, какие именно симптомы повлияли на вывод.

Эффективность системы проверяли на открытых наборах данных: 3264 образцов почерка, 73 записи речи и параметры походки 168 человек. Мультимодальный подход обеспечил точность 92%. Показатели чувствительности и специфичности составили 90% и 89% соответственно. Для сравнения: когда алгоритм анализировал только один параметр (например, только речь), точность была заметно ниже (речь — 74%, походка — 90%, почерк — 91%). Это доказывает, что именно комплексный подход делает диагностику максимально надёжной. 

Авторы отмечают и определённые ограничения. Технология пока не тестировалась в реальной клинической практике и применялась лишь для бинарной классификации («здоров / болен»). Главным же преимуществом модели является  её устойчивость к наличию помех в исходной информации: если один тип данных оказывается искажённым или низкого качества, два других позволяют сохранить достоверность диагноза.

Комментарии

В будущем исследователи планируют привлечь врачей-неврологов и провести длительные клинические испытания. Новые способы объединения данных и упрощённые версии алгоритмов помогут внедрить эту технологию в повседневную медицину. Работа подтверждает: искусственный интеллект способен стать надёжным инструментом для ранней диагностики болезни Паркинсона.

Ранее опубликованное исследование показало, что болезнь Паркинсона развивается в 2 раза чаще у пациентов с регулярными ночными кошмарами. При отсутствии когнитивных нарушений и депрессии тревожные сны могут быть предшествующим симптомом этого заболевания.