国际最新研究：运动追踪数据或能帮助发现帕金森病

　　施普林格·自然旗下专业学术期刊《自然-医学》最新发表的一项健康研究发现，被动采集的运动追踪数据或能作为预测帕金森病未来发展的早期指标。该研究结果表明，这些运动追踪数据或能实现相对低成本且无创的大规模人群筛查，但后续仍需开展进一步研究。

　　帕金森病是一种目前没有已知疗法的神经退行性疾病，会导致运动功能相关神经元的进行性丧失，确诊时的神经系统病变通常已持续多年，此时约有50%-70%的运动功能相关神经元已经受到影响。因此，提早发现有帕金森病风险的个体，或能让更多受试者加入为该疾病设计保护性疗法的临床研究。

　　论文通讯作者、英国卡迪夫大学Cynthia Sandor和同事利用英国生物银行采集年龄在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。他们发现，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。

　　他们指出，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更严重，比如其他神经退行性疾病和运动障碍。

　　论文作者总结说，这项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。不过，后续研究仍需在其他人群中开展进一步研究来重复以上结果。他们认为，对帕金森病相关的病理性神经退行迹象的早期筛查，或有助于启动神经保护疗法和开展针对疾病发展的临床试验。