三星首尔医院人工智能研究中心开发步态·语音·脑影像综合分析人工智能
即使在症状不明显的早期阶段也能进行鉴别

三星首尔医院人工智能研究中心23日表示,通过能够同时分析步态、语音、脑影像(磁共振成像 MRI、正电子发射断层扫描 PET)等多种临床数据的多模态人工智能,确认了帕金森病和帕金森叠加综合征的早期诊断及预后预测的可行性。

开发出可用于帕金森病和帕金森叠加综合征早期诊断及预后预测的人工智能的三星首尔医院人工智能研究中心研究团队。自左起为人工智能研究中心主任 Yang Gwangmo、神经科教授 Cho Jinhwan、影像医学科教授 Jeong Myeongjin。三星首尔医院提供

开发出可用于帕金森病和帕金森叠加综合征早期诊断及预后预测的人工智能的三星首尔医院人工智能研究中心研究团队。自左起为人工智能研究中心主任 Yang Gwangmo、神经科教授 Cho Jinhwan、影像医学科教授 Jeong Myeongjin。三星首尔医院提供

View original image

帕金森病早期症状并不典型,往往导致诊断延迟。有时当出现手抖或步态异常时,疾病已经进展到相当阶段。进行性核上性麻痹和多系统萎缩等帕金森叠加综合征,由于症状相似,是早期难以鉴别的代表性疾病。


研究团队在约4年时间里,收集了约500名患者的数据,包括帕金森病患者363人、进行性核上性麻痹患者67人、多系统萎缩患者61人,构建了综合数据库。对步态模式、语音信号、脑部MRI·PET影像等临床信息进行标准化,搭建了分析基础。


在此基础上,分别开发了基于步态数据的跌倒风险预测模型、基于语音检查的帕金森分类人工智能、以及基于MRI的脑结构自动分析模型。在临床评估中,基于语音的病情严重程度分类模型的受试者工作特征曲线下面积(AUC)为0.96,基于MRI的疾病鉴别模型性能为0.91。结合步态与脑影像的跌倒预测模型AUC也达到0.84。


研究团队在设计时,使人工智能不仅给出简单的预测结果,还能同时提示判断依据。系统可自动提取步态稳定性指标、脑结构变化、语音特征等,用作诊断决策的参考指标。



开发出的模型被部署在基于医院内部网络的网络附加存储(NAS)数据存储与分析系统上运行。无需将医疗数据外传即可完成分析,从而同时保障了个人信息保护和研究效率。研究团队计划今后将适用范围扩展至痴呆等其他神经系统疾病,并通过多机构协作研究进一步发展。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点