耳垢分析：一种新型人工智能驱动的帕金森病早期检测方法

帕金森病（PD）是一种进行性神经退行性疾病，对全球健康构成重大挑战。早期诊断对于有效管理和改善患者预后至关重要，但目前的诊断方法往往缺乏灵敏度且成本高昂，因此迫切需要开发创新且经济高效的筛查工具。

近期发表在《分析化学》杂志上的一项研究提出了一种利用耳垢分析进行早期PD检测的突破性方法。研究人员鉴定了四种挥发性有机化合物（VOCs）——乙苯、4-乙基甲苯、戊醛和2-十五烷基-1,3-二氧戊环——在PD患者和健康对照组的耳垢中表现出统计学上的显著差异。这一发现利用了耳垢主要由皮脂构成，提供稳定且易于获取的样本这一事实，不像皮肤皮脂容易受到环境污染。

这项研究对209名参与者（其中108名患有PD）的耳道分泌物进行了气相色谱-质谱法（GC-MS）分析。然后，利用已鉴定的VOC生物标志物来训练一个人工智能（AI）驱动的嗅觉系统。该系统将气相色谱-表面声波传感器（GC-SAW）与卷积神经网络（CNN）模型相结合，在区分PD和非PD样本方面达到了惊人的94%的准确率。

这项研究的意义重大。该方法提供了一种无创、相对廉价且可能高度准确的早期PD检测筛查工具。这可以显著改善早期干预策略，从而更好地管理疾病并提高患者的生活质量。人工智能的使用进一步提高了诊断过程的效率和准确性。

然而，作者也承认他们目前的研究存在局限性，该研究是在中国进行的单中心实验。需要进一步的研究来验证这些发现是否适用于不同的群体、疾病阶段和地理位置。未来的研究应侧重于多中心试验，纳入更大规模和更多样化的队列，以确定这种有前景的诊断方法的更广泛适用性和临床效用。

这项研究得到了国家自然科学基金、浙江省“领雁”研发计划和中央高校基本科研业务费的资助。

Read the English version (阅读英文版)

免责声明：本文内容来自互联网公开信息，请仔细甄别，如有侵权请联系我们删除。