可穿戴传感器：牛津大学的一组研究人员首次证明，使用经过专门训练的机器学习算法来分析来自患者佩戴的可穿戴传感器设备的数据，可以准确跟踪帕金森病的进展。

可穿戴传感器可以早期检测帕金森病的进展。

由牛津大学纳菲尔德临床神经科学系的ChrystalinaAntoniades教授领导的这项研究中描述的新方法可以被临床医生与更传统的临床评级量表一起使用，不仅可以提高诊断的准确性，还可以跟踪帕金森病的进展。

能够监测帕金森病等神经系统疾病患者的运动症状进展非常重要，原因有两个：临床医生需要对个体患者疾病进展的评估充满信心，而进行临床试验的研究人员需要能够衡量治疗干预措施的效果。

这是临床试验的一个重要进展。治疗帕金森氏症等疾病的新药从早期开发到临床使用需要数年时间并消耗大量资源，而且许多在实验室看起来很有前景的药物最终对患者不起作用。

尽早发现有效的方法至关重要，因此可以加快研究速度。我希望这些新的客观测量工具会让这变得更容易。

ChrystalinaAntoniades教授说：“目前，临床医生使用评级量表(基于体检的评分系统)来评估帕金森病患者的关键症状。这样做的一个问题是评估中存在主观因素，不同的临床医生可能不会提供相同的分数。

另一个问题是等级分布不均匀——例如，30分和40分之间的差异可能与40分和50分之间的差异不同。这意味着疾病进展的检测可能会被延迟，并且在临床试验中，可以对数据进行的统计分析类型可能会受到限制。

Antoniades教授的神经计量学实验室一直在进行实验，以评估患者佩戴在躯干、手腕和脚上的传感器设备，与机器学习相结合，是否能够比传统的评分量表更准确地跟踪运动症状的进展。

他们和其他人之前已经证明，使用机器学习算法分析可穿戴设备的数据有助于准确诊断。众所周知，这些新技术可用于区分健康老年人、患有不同严重程度的帕金森病的个体以及患有其他帕金森病样疾病的个体。

在这项新研究中，研究人员询问是否可以使用在行走和站立任务期间收集的数据来诊断和跟踪帕金森病运动症状随时间的进展。

研究参与者每三个月去诊所接受一次集中评估，以便团队能够确定他们的分析可以检测疾病进展的最短时间。他们发现利用他们的技术可以在短短15个月内检测到病情进展。