邁阿密大學AI模型預測帕金森氏症惡化　助早期介入

【記者賴柏翰／綜合外電】美國邁阿密大學研究人員開發出人工智慧（AI）模型，能有效識別罹患帕金森氏症的患者中，哪些人有較高風險在未來三到五年內出現快速的認知或運動功能退化。這項研究成果已發表於《npj Parkinson’s Disease》期刊，對於疾病的早期識別與預後評估具有重要意義。

這項跨領域的計畫結合了神經內科醫師、放射科醫師、電腦科學家和人工智慧專家。研究團隊使用來自「Parkinson’s Progression Markers Initiative」的1,602名帕金森氏症患者數據，對AI模型進行訓練與評估，隨後再透過「Parkinson’s Disease Biomarkers Program」的541名患者進行獨立驗證，結果顯示模型具備相似的預測表現。

AI模型在醫學上的具體判讀方式是，分析神經科醫師在常規門診中已經收集的臨床測量數據，而非主要依賴複雜的腦部影像檢查。邁阿密大學神經學教授 Ihtsham Ul Haq 表示，帕金森氏症最困難之處在於其病程進展的不確定性，AI能同時分析多種資訊，以預測患者快速退化的可能性。邁阿密大學電腦科學教授 Yelena Yesha 也指出，這項跨學科合作運用了神經學、神經影像學及放射學等多方專業知識，來解決這個棘手的難題。

模型將「快速認知退化」定義為蒙特利爾認知評估量表（Montreal Cognitive Assessment，簡稱MoCA）分數至少下降五點；而「快速運動功能退化」則定義為運動障礙學會統一帕金森氏症評定量表（MDS-UPDRS3）分數增加十點。研究發現，預測運動功能退化的關鍵指標包括 alpha-synuclein seed amplification assay (SAA) 結果，以及診斷後第一年MDS-UPDRS運動評分變化的速度。至於認知功能退化，主要預測因子為早期認知惡化的速度，以及診斷後第一年運動功能退化的速度。若能納入患者第一年的症狀發展軌跡資訊，預測效能將更佳。

研究強調，儘管研究團隊也檢視了結構性磁振造影（MRI）腦部結構變化的測量結果，但相較於常規臨床評估與症狀測量，MRI數據對預測價值提升相對有限。這意味著，現有的臨床資料在AI輔助下，已能提供相當可觀的預測能力。

早期識別高風險患者，能凸顯血壓、體能活動、聽力及視力問題等可干預因素的重要性，進而提早介入。此外，這些預測模型也有助於研究人員理解為何部分患者惡化速度較快，並可能找出新的治療標靶。邁阿密大學文理學院院長 Leonidas Bachas 認為，這項研究是電腦科學家與醫學研究人員合作解決複雜臨床問題的典範，其跨領域合作的潛力將大幅改善患者及其照護者的生活。