帕金森病通常始于轻微症状，如单手轻微震颤，但可能会发展为更严重的状况，如肌肉僵硬和行走困难。诊断这种使人衰弱的运动障碍，特别是在早期阶段，通常需要患者执行各种移动任务，临床医生观察行走模式并测试反射。这个过程对医生和患者来说都既耗时又费力。专家认为，许多人仍未被诊断或被误诊，这表明可能有比目前估计更多的人患有这种疾病。这凸显了临床医生和患者面临的主要挑战之一：准确诊断帕金森病的困难。更准确的诊断方法可以通过减少多次就诊的需要和防止误诊来减轻患者所经历的身体和情感压力。
美国马里兰大学帕克分校的生物信息学和计算生物学中心（CBCB）的研究人员正在与同事合作解决这个问题，他们使用机器学习算法分析来自可穿戴运动跟踪传感器的数据，旨在使诊断过程的部分实现自动化。据研究人员称，这种方法可能会带来更早和更准确的诊断，从而能够及时进行治疗干预。虽然过去已经开发出用于诊断帕金森病的可穿戴传感器，但其复杂性阻碍了其在临床的广泛应用。这项新研究简化了传感器和机器学习在临床环境中的使用。该研究表明，在腰部放置单个传感器，并结合涉及多种动作的单个移动任务，就可以有效地将帕金森病患者与健康对照者区分开来。
然后，研究团队创建了一个先进的机器学习框架来分析收集数据中的模式和变化。正如《传感器》杂志所详述，这种方法显著提高了疾病症状的检测和诊断准确性，在识别帕金森病不同阶段的参与者方面达到了 92.6％的准确率，超过了运动障碍专家先前报告的临床诊断 81％的准确率。该团队目前正在扩大研究范围，以将帕金森病与其他运动障碍区分开来，旨在进一步提高诊断准确性并减少误诊的可能性。
