在《自（zì）然（rán）科学（xué）报告（gào）》杂（zá）志上发（fā）表的一篇（piān）论文中，IBM、辉（huī）瑞等（děng）公司（sī）的一项合（hé）作（zuò）研（yán）究通过使（shǐ）用人工智能分析人类运动障碍增加时的身体活动（dòng）数据（jù），在评估帕金森（sēn）氏症严重程度方面取得了新的（de）进展。该研究模型可以（yǐ）精确地（dì）指（zhǐ）出一个人的帕（pà）金森氏症发展到（dào）什么程度。

合作者开发了一种无监督的人（rén）工（gōng）智能（néng）技术，可以（yǐ）生成关于运动质（zhì）量的测量数据。研究人员将（jiāng）可穿戴设备上的连续信号转换成健康受（shòu）试者共有的（de）一系（xì）列“音节”，这（zhè）些“音节”成为机器学习运动技能的一（yī）部分，不同动作之间共享子（zǐ）序列。音节间转换的（de）统计分（fèn）布是（shì）健康（kāng）行为的标志，而帕金森病（bìng）患者的符号序列是（shì）紊（wěn）乱的。该（gāi）技术正是通过（guò）捕捉运动混（hún）乱（luàn）来估计（jì）步态损伤和帕金森症（zhèng）状的严重程（chéng）度。

研究人员称，如（rú）果（guǒ）将该技术应（yīng）用到生产中（zhōng），它将被允许7*24小时检测一个人（rén）的神经系统状态，并比较临床环境和家庭（tíng）中的评估结（jié）果（guǒ）。这（zhè）与现有的帕金森病诊（zhěn）断方法形成了鲜明对比，比如运动（dòng）障碍协会（huì）的统一帕（pà）金森（sēn）病评分量表通常一年只测（cè）量几次，本质上是（shì）主观的，而且主要依赖（lài）患者的自我报（bào）告。

在一项（xiàng）补充研（yán）究（jiū）中，研（yán）究人员（yuán）还构建了一系列算法，这些算法考虑到（dào）了（le）掩盖帕金森（sēn）病外部症状的因（yīn）素（sù），例如（rú）可以减轻震颤和改善控制力的药物。IBM在一篇即将发表的博客文章中指出，由于帕金森病的生物（wù）学基础还没有完（wán）全（quán）被了解，医生（shēng）通（tōng）常很难仅仅通过判断（duàn）外部（bù）症状来了解疾病（bìng）的发（fā）展程度。

此外，尽管这项研究的（de）初始动机是（shì）帕金森氏病，但（dàn）研究人员希（xī）望它能激发对其他（tā）疾（jí）病的类似探索（suǒ），如糖尿病、阿尔茨海（hǎi）默氏（shì）病和肌萎缩侧（cè）索硬化(ALS)。尽（jìn）管在（zài）慢性病管（guǎn）理方面取得了（le）许多进展，但该领域仍有许多悬而未决的（de）问题。对（duì）慢（màn）性病（bìng）的更好理解（jiě）可以有助于我们改善对患者护理，并（bìng）通过更好的临床试（shì）验来更快、更（gèng）有（yǒu）效地（dì）开发药物。