《自然·医学》3日发表的一项研究发现，通过运动追踪设备采集的数据或能作为预测帕金森病未来发展的早期指标。研究结果表明，这些数据或能实现相对低成本且无创的大规模人群筛查，但仍需开展进一步研究。
帕金森病是一种神经退行性疾病，会导致运动功能相关神经元逐渐丧失，尚无已知疗法。确诊时的神经系统变性通常已持续多年，此时约有50%—70%的运动功能相关神经元已受到影响。提早发现有帕金森病风险的个体或能让更多人加入为该疾病设计保护性疗法的临床研究。
英国卡迪夫大学团队利用英国生物银行采集的年龄在40—69岁的10.3万人的数据，模拟了运动追踪设备的数据是否能用来在临床确诊前发现帕金森病患者。团队发现，相比常用的临床标志物，如来自生活方式、遗传学、血液生化学和患者报告症状的指标，使用来自运动追踪设备的数据训练的机器学习模型能更好地区分临床诊断和预诊断的帕金森病。团队指出，与运动加速和睡眠质量相关的特定模式与帕金森病的未来发病和/或现有确诊有关。白天的平均运动加速在帕金森病确诊前的几年里会减慢，而帕金森病确诊患者的睡眠障碍比其他临床疾病患者（如其他神经退行性疾病和运动障碍）更严重。
该研究结果表明，运动数据或能作为发现有帕金森病风险人群的低成本筛查工具，对帕金森病相关的病理性神经退行迹象的早期筛查，有助于启动神经保护疗法，开展针对疾病发展的临床试验。
