“用于帕金森病诊断的人工智能嗅觉系统”
ACS欧米茄
几年前，科学家发现一位名叫乔伊·米尔恩（Joy Milne）的女性可以在患有神经退行性疾病的人身上“闻到”帕金森氏症（PD），她登上了头条新闻。从那时起，研究人员一直在尝试制造能够通过皮肤上的气味化合物诊断帕金森病的设备。现在，ACS Omega的研究人员开发了一种便携式人工智能嗅觉系统，或“电子鼻”，有朝一日可以在医生办公室诊断这种疾病。
帕金森病会导致运动症状，如震颤、僵硬和行走困难，以及非运动症状，包括抑郁症和痴呆症。虽然无法治愈，但早期诊断和治疗可以提高生活质量，缓解症状，延长生存期。然而，这种疾病通常在患者出现运动症状之前无法确定，到那时，他们已经经历了不可逆转的神经元丢失。最近，科学家发现帕金森病患者分泌的皮脂（一种由皮肤皮脂腺产生的油性蜡状物质）增加，同时酵母、酶和激素的分泌也增加，这些物质结合起来会产生某种气味。虽然像米尔恩这样的人类“超级嗅觉者”非常罕见，但研究人员已经使用气相色谱（GC）-质谱法来分析帕金森病患者皮脂中的气味化合物。但这些仪器体积大、速度慢、价格昂贵。刘军、陈兴及其同事希望开发一种快速、易用、便携且廉价的GC系统，通过气味诊断PD，使其适合于护理点检测。
研究人员开发了一种电子鼻，将气相色谱与表面声波传感器（通过与声波的相互作用测量气体化合物）和机器学习算法相结合。研究小组用纱布擦洗31名帕金森病患者和32名健康对照者的上背部，收集皮脂样本。他们用电子鼻分析了纱布上散发的挥发性有机化合物，发现两组之间有三种气味化合物（辛醛、乙酸己酯和紫苏醛）存在显著差异，并用它们建立了PD诊断模型。
接下来，研究人员分析了另外12名帕金森病患者和12名健康对照者的皮脂，发现该模型预测帕金森病的准确率为70.8%。该模型对鉴别真实PD患者的敏感性为91.7%，但其特异性仅为50%，表明假阳性率较高。当使用机器学习算法分析整个气味轮廓时，诊断准确率提高到79.2%。研究人员说，在电子鼻准备用于临床之前，团队需要在更多人身上进行测试，以提高模型的准确性，他们还需要考虑种族等因素。
作者感谢国家自然科学基金、国家重点研究开发项目、浙江省公益技术应用研究项目、陕西省重点研究开发项目、浙江实验室重大科学项目、浙江省自然科学基金、，中国博士后科学基金和中国工程院重大咨询项目。
