帕金森病是與衰老相關的最常見的慢性神經退行性疾病之一。它影響身體運動，主要癥狀如震顫，僵硬或肌肉僵硬，運動遲緩和姿勢不穩定。到診斷時，帕金森病（PD）往往已達到中晚期，導致更多并發癥。

現有研究表明，脂溢性皮炎是一種非常常見的皮疹類型，是PD的運動前癥狀之一。雖然在成人中，它通常發生在皮脂濃度較高的地方，如面部，胸部或背部，但它與激素的分泌有關，導致PD患者經歷的酵母和酶的產生增加。

進一步的研究表明，PD患者皮膚上的皮脂表現出獨特的氣味，引入了使用氣味特征進行非侵入性診斷的可能性。

浙江大學、浙江大學醫學院、浙江實驗室智能傳感研究中心、天津中醫藥大學等研究人員提出了一種新穎的方法，即使用快速氣相色譜（GC）和帶有嵌入式機器學習算法的表面聲波（SAW）傳感器來形成人工智能嗅覺系統。

在論文“用于診斷帕金森病的人工智能嗅覺系統”中，該團隊建議所提出的技術快速，便攜，低成本且易于操作。它使用多種機器學習策略，包括支持向量機，隨機森林，k最近鄰，AdaBoost和樸素貝葉斯來構建基于診斷生物標志物的模型和氣味譜模型。

他們使用單個或多個參數來鑒定色譜圖中的重要揮發性有機化合物。該系統包括三個模塊：

氣體注入和預濃縮模塊

色譜分離模塊

傳感器檢測模塊

研究文章中解釋了完整AIO系統的詳細操作。

結果表示什么？

出于評估目的，該團隊收集了31名帕金森病患者和32名健康對照（HC）的數據，用于人工智能嗅覺系統，其中12個PD和12個HC用于評估模型的臨床使用情況。結果表明，AIO系統可以作為臨床診斷方法，通過皮脂的氣味診斷PD患者。

結果表明，PD患者和HC組之間存在三種重要的生物標志物 - 辛醛，乙酸己酯和紫蘇醛。使用這三種VOC生物標志物，AIO系統收集的氣味譜分別以70.8%和79.2%的PD和HC提供了準確的分類。

但是，建議的診斷方法存在一些局限性：

AIO系統用于分離混合VOC的快速GC方法有幾個局限性。在GC分離中，圖中的每個峰代表具有獨特保留時間的純化合物。然而，在實際情況下，兩種或多種化合物可能具有接近的保留時間，這將導致峰在快速GC分離中重疊。

為了保持高分類精度，需要平衡樣品的數據分布。PD和HC樣本的受控均衡并不代表PD在臨床環境中的分布。這導致模型的可就業性有限。

總之，所提出的通過嗅覺診斷的方法為帕金森病的早期診斷提供了新的可能性。“與嗅覺測試，睡眠測試和其他解決方案相比，AIO系統和ML的結合可能會產生一種氣態輔助診斷PD的新方法，具有更高的檢測速度和更低的檢測成本，”該團隊在研究文章中解釋道。

這種AIO系統并不是潛在PD患者的唯一非侵入性診斷方法。最近的另一項工作使用體液生物標志物 - 一組研究人員進行了工作，提出了一種基于血液的基因表達生物標志物鑒定，用于使用雙層混合特征選擇進行PD診斷。

是呢環保局：郭婷