帕金森病是一种进行性神经退行性运动障碍，潜伏期较长，并且没有彻底的治疗方法。大多数患者在确诊时，50%-70的运动相关神经元退化[1]。换句话说，患者的大脑早在确诊前几年就开始遭受损害，如果能够提前预测帕金森病，有助于在疾病对大脑造成广泛损害之前进行干预。
在潜伏期间，尚未确诊的患者可能会表现出微妙的运动或非运动症状，包括快速眼动期睡眠行为障碍（RBD）、便秘、抑郁、焦虑、过度白天嗜睡、排尿功能障碍、直立性低血压等，都属于前驱期帕金森病的症状[2-4]。然而，这些前驱期症状在生活中往往容易被忽视，目前我们还难以实现通过廉价、可靠、易于获取、敏感度高的检测方法来从一般人群中识别潜在的帕金森病患者。
今天，一篇发表在《自然·医学》的重磅文章，从我们所熟悉的智能手表上找到了答案。
【资料图】
英国卡迪夫大学的Cynthia Sandor和她的同事们结合10万人的数据发现，佩戴7天智能手表以捕获数据并进行分析，依据前驱期症状，或可提前7年诊断帕金森病[5]。
论文首页截图
随着智能手表的兴起，人们更加关注到日常生活中的健康问题，比如用来监测自己的睡眠状态，或者记录运动中的心率变化等。这些各式各样的智能可穿戴设备能够在我们生活中持续收集数据，尽早侦测到微妙的健康指数改变，寻找前驱期帕金森症状的蛛丝马迹。
在这项研究中，Cynthia Sandor和她的同事们使用来自英国生物库的103712名参与者的数据，这些参与者年龄在40-69岁之间，在2013年至2016年期间有连续7天医疗级智能手表的佩戴记录。在佩戴之前，有273人已被诊断为帕金森病。在随后的随访时间里，又有196人确诊，即在佩戴医疗级智能手表期间处于前驱期。
研究者们观察到，身体活动减缓、白天时的运动加速度减少，是帕金森病或前驱期帕金森病患者所独有的，而在其它神经退行性疾病或运动障碍疾病患者中表现不明显。
另外，从睡眠情况来看，相较于其它神经退行性疾病和运动障碍，帕金森病或前驱期帕金森患者的睡眠更加混乱，睡眠质量和睡眠持续时间降低、夜间醒来和白天睡觉的频率增多。
前驱期帕金森病患者在白天的运动加速度减少
随后，研究者们利用不同数据训练机器学习模型，并对比从一般人群中识别前驱期帕金森病患者的效果，以精确召回曲线下的面积（AUPRC）用作为性能指标。
结果显示，与单独使用生活方式（AUPRC=0.03±0.04，P=0.0025）、血液标志物（AUPRC=0.01±0.00，P=0.0041）、前驱期症状（AUPRC=0.01±0.00，P=0.0036）、遗传因素（AUPRC=0.01±0.00，P=0.0022）等已知的指标训练出来的模型相比，使用医疗级智能手表测量的数据训练出来的模型效果更好（AUPRC=0.07±0.0.03）。
如果将这些指标综合在一起，效果则远高于任何一种单一数据训练得到的模型。
基于不同指标训练模型，对比效果
除了识别有哪些人会遭受帕金森病的困扰，研究者们还基于医疗级智能手表测量的数据构建模型以预测未来的临床确诊时间。
值得注意的是，已有研究结果显示，日常生活的活动障碍和行动缓慢的迹象，在患者临床诊断前7年便出现[6]。也就是说，Cynthia Sandor和她的同事们的这项研究结果表明，使用可穿戴设备或可早在诊断前7年就从一般人群中识别出前驱期帕金森病患者，并且能够与其它可能影响到运动能力的疾病区分开来。
虽然之前有人探索过可穿戴设备在帕金森病预测中的应用，但具有样本量小等局限性，而Cynthia Sandor等人完成的这项研究是迄今规模最大的相关领域研究。这项成果支持智能手表等可追踪运动数据的可穿戴设备，为帕金森病的一种潜在新筛查工具，有助于更早地发现帕金森病，帮助患者在早期阶段获得治疗以减缓疾病进展。
参考文献：
[1]Fearnley, J. M. & Lees, A. J. Ageing and Parkinson’s disease: substantia nigra regional selectivity. Brain 114, 2283–2301 (1991).
[2]Heinzel, S. et al. Update of the MDS research criteria for prodromal Parkinson’s disease. Mov. Disord. 34, 1464–1470 (2019).
[3]Postuma, R. B. & Berg, D. Advances in markers of prodromal Parkinson disease. Nat. Rev. Neurol. 12, 622–634 (2016).
[4]Postuma, R. B. & Berg, D. Prodromal Parkinson’s disease: the decade past, the decade to come. Mov. Disord. 34, 665–675 (2019).
[5]https://www.nature.com/articles/s41591-023-02440-2
[6]Darweesh, S. K. et al. Trajectories of prediagnostic functioning in Parkinson’s disease. Brain 140, 429–441 (2017).
