在《自（zì）然科学报告》杂（zá）志上发表的一篇论文中，IBM、辉瑞（ruì）等公司的（de）一项合（hé）作研究通过（guò）使用人工智能分析人（rén）类运动障碍增（zēng）加时的身体活动数据，在评估帕金森氏症严重（chóng）程度方（fāng）面取得（dé）了新的进展。该研究模型（xíng）可以精确（què）地指出一个人的帕金森（sēn）氏症发展到什么程度。

合作（zuò）者开发了一种（zhǒng）无监（jiān）督的人工智能技术（shù），可以生成关于运（yùn）动质量的测量（liàng）数（shù）据。研究人员将（jiāng）可穿戴（dài）设（shè）备上的连续信号转换成（chéng）健康受试（shì）者（zhě）共有的（de）一系列“音节”，这些“音节（jiē）”成为机器学习（xí）运动技能的一部分，不同动（dòng）作之（zhī）间共享（xiǎng）子（zǐ）序列。音节（jiē）间转（zhuǎn）换的统计分布是健康行为的标志，而帕金森（sēn）病患者的符（fú）号序列（liè）是（shì）紊乱的。该技术正是通（tōng）过捕捉运动混乱来估计步（bù）态（tài）损伤和帕金森症状的（de）严重程度。

研（yán）究人员称，如果（guǒ）将该技术应用到生产中，它（tā）将被允许7*24小时检测一个人的神经（jīng）系（xì）统（tǒng）状态，并比较临床环境（jìng）和（hé）家庭中的（de）评估结（jié）果。这与现有的帕金森病诊（zhěn）断方法形成了鲜明对（duì）比，比如运动障碍协（xié）会的统一（yī）帕金（jīn）森病评分量表通（tōng）常（cháng）一年（nián）只测量几次，本质上是主（zhǔ）观的，而且主（zhǔ）要依赖（lài）患者（zhě）的自我报告。

在一项补充（chōng）研究中，研究人员还构建了一系列算法（fǎ），这些算法考虑到（dào）了（le）掩（yǎn）盖帕金森病外部症状的因素，例如可以减轻震颤和改善（shàn）控（kòng）制力的（de）药物。IBM在一篇即将发表的博客文章（zhāng）中指出，由于帕金森病（bìng）的（de）生（shēng）物学基（jī）础还没有完全被了解，医（yī）生通常很难仅仅通（tōng）过判断外部症状来了解疾病的发展（zhǎn）程度。

此外，尽管这项研究的初始动机（jī）是帕金森氏病，但研究人员希望它能（néng）激发对其他疾病的类（lèi）似探索，如（rú）糖尿病（bìng）、阿（ā）尔茨海（hǎi）默氏病和肌萎缩（suō）侧索硬化(ALS)。尽管在慢性病（bìng）管（guǎn）理方面取得了许多进展，但该领域仍有（yǒu）许（xǔ）多悬（xuán）而未决的问题。对慢性病（bìng）的更好理解可以有助于我们改善对患者护理（lǐ），并通过更好的临床试验来更（gèng）快（kuài）、更有（yǒu）效（xiào）地开发药物。