國際研究揭示AI眼部掃描潛力 望早期偵測帕金森氏症
一項國際研究正運用人工智慧（AI）與眼部掃描技術，探討如何從視網膜影像中尋找帕金森氏症的生物標記，希望能實現更早期的疾病診斷。這項由美國和歐洲學者合作的 HEREDITARY 計畫，利用聯邦學習技術在保護病患隱私的前提下共同訓練 AI 模型，為神經退化性疾病的早期發現帶來新契機。
蔡佳穎
· 4 分鐘閱讀
一項由美國與歐洲學者共同參與的國際研究指出，人工智慧（AI）有潛力透過眼部掃描，早期偵測出帕金森氏症（Parkinson's disease）等多種神經退化性疾病的生物標記（biomarkers）。這項名為 HEREDITARY 的專案計畫，旨在探討 AI 如何能改善對這類疾病的預防、檢測與治療，並研究疾病與腸道微生物群（gut microbiome）的潛在關聯。
HEREDITARY 計畫由歐洲聯盟（EU）透過地平線歐洲（Horizon Europe）計畫資助，匯集了近 20 個歐洲國家合作夥伴。美國 University of Colorado Anschutz 醫學園區的 Jayashree Kalpathy-Cramer (PhD) 與 Giacomo Nebbia (PhD) 共同帶領其團隊參與這項研究。Nebbia 博士指出，視網膜（retina）作為大腦的一部分，能提供觀察人體全身健康的窗口，有助於揭示神經退化性疾病的標記，甚至可能與腸道和大腦的互動有關聯。
Kalpathy-Cramer 博士已開發出 AI 工具，能掃描眼底影像（fundus images，透過特殊儀器拍攝的視網膜照片），進而偵測疾病。她曾獲得邁克爾·J·福克斯帕金森病研究基金會（The Michael J. Fox Foundation）及 The Anschutz Foundation 的研究經費。她解釋，AI 模型可分析大量眼底影像，辨識出人類專家難以察覺的模式，藉此預測患者的性別、年齡及罹患某些疾病的風險。
此研究團隊特別採用「聯邦學習」（federated learning）技術來訓練 AI 模型。聯邦學習是一種先進的人工智慧訓練方法，允許多家機構在不直接分享原始病患資料的前提下，共同建立和優化 AI 模型，有效保障資料隱私並符合法規要求。Giacomo Nebbia 表示，由於 AI 模型需要大量資料訓練，單一機構可能難以滿足，而聯邦學習能讓模型從更豐富的資料中學習，有助於克服個別機構數據可能存在的偏誤。
HEREDITARY 計畫的重點之一是透過多模式數據，包括眼底影像、文字和臨床資料，來識別帕金森氏症的生物標記並開發預測模型。研究人員希望驗證是否能透過視網膜成像診斷帕金森氏症，同時也正為多發性硬化症訓練 AI 模型。若研究成果符合預期，未來有望為帕金森氏症提供更早期、更具侵入性的診斷工具。這項計畫預計將於 2027 年 12 月結束。2025 年時，HEREDITARY 專案的研究人員已在西班牙巴塞隆納舉行了一次會議，探討相關進展。