柏金遜症為腦退化疾病之一,惟初期不容易察覺。柏金遜症的成因是大腦多巴胺有缺失,主要影響運動系統,導致手震、僵硬、行動遲緩等,但這些症狀通常在發病後數年才出現。
為了訓練AI神經網絡,負責研究的MIT團隊必須搜集大量夜間呼吸數據,於是找來757名柏金遜病患者,與約7000名健康人士作對照,分析他們近1.2萬個晚上的呼吸模式。
受測者在晚上睡覺時佩戴電子腰帶,神經網絡會持續讀取呼吸訊號,以診斷柏金遜症。研究團隊更使用另一種檢查方法,就是在牆壁安裝一個類似WiFi路由器的無線裝置,根據受測者身體反彈的無線電波來分析呼吸模式,推測有否患上柏金遜症。
研究團隊發現,若只分析受測者一晚的呼吸數據,診斷柏金遜症的準確率為86%。若連續追蹤12晚,診斷準確率更高達95%。另外,AI系統更具有預測能力,透過對比6年前與測試當日日的睡眠數據,推斷該人會否在將來患病,準確度據稱高達75%。
文字:編輯部
熱門文章:
【職場科技】運用AI打造「牙醫版美圖秀秀」 客製化模擬治療效果
Grow Your Business 能做大你公司生意
立即登記 免費試用 Free Trial for Registration
Only Knowledge-based & Innovative Careers Prevail in Our Risk Society
Join Us to Make a Difference~
只有知識型及創新工作事業能在風險社會存活
加入我們一起改變吧 ~