AI-aangedreven olfactorische systeem kan de ziekte van Parkinson in een vroeg stadium detecteren

Twee jaar geleden haalde een vrouw genaamd Joy Milne de krantenkoppen toen wetenschappers ontdekten dat ze de ziekte van Parkinson (PD) kon “ruiken” voor mensen met de neurodegeneratieve aandoening. Sindsdien hebben onderzoekers geprobeerd apparaten te bouwen die de ziekte van Parkinson kunnen diagnosticeren door middel van geurverbindingen op de huid. Nu schrijven onderzoekers in Omega AC Ze hebben een kunstmatig intelligent, draagbaar olfactorisch systeem, of ‘elektronische neus’, ontwikkeld dat op een dag een ziekte kan diagnosticeren in een spreekkamer.

Parkinsonisme veroorzaakt motorische symptomen, zoals tremoren, stijfheid en moeite met lopen, evenals niet-motorische symptomen, waaronder depressie en dementie. Hoewel er geen genezing is, kunnen vroege diagnose en behandeling iemands kwaliteit van leven verbeteren, symptomen verlichten en overleving verlengen. De ziekte wordt echter meestal pas herkend als patiënten motorische symptomen ontwikkelen, en tegen die tijd hebben ze al onomkeerbaar neuronaal verlies ervaren. Wetenschappers hebben onlangs ontdekt dat mensen met de ziekte van Parkinson overtollig talg produceren (een wasachtige, olieachtige substantie die wordt geproduceerd door de talgklieren van de huid), samen met een verhoogde productie van gist, enzymen en hormonen, die samen specifieke geuren produceren.

Hoewel een “supergeur” ​​voor mensen zoals Milne zeer zeldzaam is, hebben onderzoekers gaschromatografie-massaspectrometrie (GC) gebruikt om de geurverbindingen in talg bij mensen met arteritis te analyseren. Maar de tools zijn omvangrijk, traag en duur. Jun Liu, Xing Chen en hun collega’s wilden een snel, gebruiksvriendelijk, draagbaar en goedkoop GC-systeem ontwikkelen voor het diagnosticeren van PD door middel van geur, waardoor het geschikt zou zijn voor point-of-care-tests.

Onderzoekers hebben een elektronische neus ontwikkeld die een GC en een akoestische oppervlaktegolfsensor combineert -; die gasvormige verbindingen meet door hun interactie met de geluidsgolf -; en machine learning-algoritmen. Het team verzamelde vetmonsters van 31 patiënten met de ziekte van Parkinson en 32 gezonde controles door hun bovenrug af te vegen met gaas. Ze analyseerden de VOC’s afkomstig van gaas met een elektronische neus en vonden drie geurverbindingen (octafenol, hexylacetaat en beryllic aldehyde) die significant verschilden tussen de twee groepen, die ze gebruikten om een ​​model te bouwen voor het diagnosticeren van de ziekte van Parkinson.

Vervolgens analyseerden de onderzoekers talg van 12 extra patiënten met de ziekte van Parkinson en 12 gezonde controles, en ontdekten dat het model een nauwkeurigheid van 70,8% had bij het voorspellen van Parkinson. Het model was 91,7% gevoelig voor het identificeren van echte PD-patiënten, maar de specificiteit was slechts 50%, wat wijst op een hoog percentage valse positieven. Toen machine learning-algoritmen werden gebruikt om het volledige geurprofiel te analyseren, verbeterde de diagnostische nauwkeurigheid tot 79,2%. Voordat de elektronische neus klaar is voor de kliniek, moet het team het op meerdere mensen testen om de nauwkeurigheid van de modellen te verbeteren, en ze moeten ook rekening houden met factoren zoals ras, zeggen de onderzoekers.