Verzola Harper
À l'heure actuelle, il n'existe pas de biomarqueurs fiables permettant d'identifier la maladie de Parkinson (MP) ou de suivre son évolution. Ici, en utilisant des signaux de respiration nocturne, nous avons créé un modèle d'intelligence artificielle (IA) pour identifier la MP et suivre son évolution. Le modèle a été évalué à l'aide de données provenant de nombreux hôpitaux aux États-Unis ainsi que de nombreux ensembles de données publics sur un ensemble de données considérable comprenant 7 671 personnes. Sur des ensembles de tests externes et en attente, le modèle d'IA peut identifier la MP avec une aire sous la courbe de 0,90 et 0,85, respectivement. L'échelle d'évaluation unifiée de la maladie de Parkinson de la Movement Disorder Society, qui est utilisée pour mesurer la gravité et la progression de la MP, peut également être utilisée par le modèle d'IA. Le modèle d'IA utilise une couche d'attention qui permet d'interpréter ses prédictions de sommeil et d'électroencéphalogramme. De plus, le modèle peut détecter la respiration via des ondes radio qui se reflètent sur le corps d'une personne pendant son sommeil pour diagnostiquer la MP dans l'environnement domestique sans contact. Notre étude fournit des preuves préliminaires que notre modèle d’IA peut être utile pour l’évaluation des risques avant le diagnostic clinique et montre la viabilité d’une évaluation objective, non invasive et à domicile de la MP.