帕金森病是與衰老相關的最常見的慢性神經退行性疾病之一。它影響身體運動，主要癥狀包括震顫、僵硬或肌肉僵硬、運動遲緩和姿勢不穩。到確診時，帕金森病（PD）往往已進入中晚期，并發癥較多。

　　現有研究表明，脂溢性皮炎是一種非常常見的皮疹類型，是 PD 的運動前癥狀之一。雖然在成年人中，它通常發生在皮脂濃度較高的部位，如面部、胸部或背部，但它與激素的分泌有關，導致 PD 患者產生的酵母和酶增加。

　　進一步的研究表明，PD 患者皮膚上的皮脂表現出獨特的氣味，這為使用氣味特征進行非侵入性診斷提供了可能性。

　　浙江大學、浙江大學醫學院、浙江實驗室智能傳感研究中心和天津中醫藥大學的研究人員提出了一種新方法，該方法使用快速氣相色譜 （GC） 和表面聲波 （SAW） 傳感器嵌入式機器學習算法形成人工智能嗅覺系統。

　　在論文“用于診斷帕金森病的人工智能嗅覺系統”中，該團隊建議所提出的技術快速、便攜、低成本且易于操作。它使用多種機器學習策略，包括支持向量機、隨機森林、k 最近鄰、AdaBoost 和樸素貝葉斯來構建基于診斷生物標志物的模型和氣味特征模型。

　　他們使用單個或多個參數來識別色譜圖中的重要揮發性有機化合物。該系統包括三個模塊：

　　氣體注入和預濃縮模塊

　　色譜分離模塊

　　傳感器檢測模塊

　　研究文章中解釋了完整 AIO 系統的詳細操作。

　　結果表明什么？

　　出于評估目的，該團隊為人工智能嗅覺系統收集了 31 名帕金森病患者和 32 名健康對照者（HC）的數據，其中 12 名 PD 和 12 名 HC 用于評估模型的臨床使用情況。結果表明，AIO系統可作為臨床診斷方法，通過皮脂氣味診斷PD患者。

　　結果表明，PD 患者和 HC 組之間存在三種重要的生物標志物——辛醛、乙酸己酯和紫蘇醛。使用這三種 VOC 生物標志物，AIO 系統收集的氣味特征分別提供了 70.8% 和 79.2% 的 PD 和 HC 準確分類。

　　但是，建議的診斷方法存在一些局限性：

　　AIO 系統用于分離混合 VOC 的快速 GC 方法有幾個局限性。在 GC 分離中，圖中的每個峰代表具有獨特保留時間的純化合物。但在實際情況下，兩種或多種化合物的保留時間可能很接近，這會導致快速 GC 分離中的峰重疊。

　　為了保持較高的分類精度，需要平衡樣本的數據分布。PD 和 HC 樣本的受控均衡并不代表 PD 在臨床環境中的分布。這導致模型的就業能力有限。

　　總之，所提出的通過氣味診斷方法為帕金森病的早期診斷提供了新的可能性。“與嗅覺測試、睡眠測試和其他解決方案相比，AIO 系統和 ML 的結合可能會產生一種新的 PD 氣體輔助診斷方法，檢測速度更快，檢測成本更低，”該團隊在研究文章。

　　這種 AIO 系統并不是潛在 PD 患者唯一的非侵入性診斷方法。最近的另一項工作是使用體液生物標志物——一組研究人員開展了一項工作，提出了一種基于血液的基因表達生物標志物識別，用于使用兩層混合特征選擇進行 PD 診斷 。