徐 江
《生命时报》 2025-07-01 第1908期 第3版浙江大学朱丹华博士和董浩博士团队招募209名志愿者参与研究,其中包括108名帕金森病患者。利用气相色谱-质谱(GC-MS)技术,研究人员对参试者的耳垢样本进行分析,并确定了四种挥发性有机物VOC的成分(乙苯、4-乙基甲苯、戊醛和2-十五烷基-1,3-二氧戊环),作为帕金森病的潜在生物标志物。分析结果显示,这些生物标志物在帕金森病患者和其他参试者之间存在明显的统计学差异。基于这些VOCs成分的诊断模型,在帕金森病筛查方面表现出很强的能力。为提高帕金森病诊断模型的准确性和效率,团队又引入了一种从色谱数据中提取特征的方案,基于人工智能对耳垢气味进行分析,帕金森病筛查准确率被提升至94.4%。
研究人员认为,这种基于人工智能嗅觉分析的诊断模式,有望成为帕金森病的新型诊断方案,也能为相关诊断设备的临床使用铺平道路。