帕金森病（PD）是一种神经退行性疾病，其特征是黑质-纹状体通路中多巴胺依赖的通路受损，该区域是大脑中调节协调性自主运动的部位。目前，多巴胺缺乏需通过先进方法确诊，这些方法往往价格昂贵、涉及辐射暴露，且可及性有限。
《NPJ数字医学》期刊近期发表的一项研究，探索了将智能手机与临床评分相结合，用于评估运动功能和预测多巴胺缺乏的可能性。
帕金森病如何诊断？
多巴胺转运体（DaT）单光子发射计算机断层扫描（SPECT）常被用于确诊帕金森病患者的多巴胺缺乏。SPECT随后会对纹状体结合率（SBR）进行量化，该比率反映了关键感兴趣区域（如尾状核和壳核）中的DaT水平。
SBR可预测帕金森病进展的多个方面，因为较低的SBR表明多巴胺能神经元损失更严重，运动功能障碍更明显。这与帕金森病患者的对侧运动障碍协会-统一帕金森病评定量表第三部分（MDS-UPDRS-III）运动评分相关，也与运动迟缓、姿势、步态、言语及面部表情丧失等症状相关。
帕金森病被视为一种α-突触核蛋白病，即由α-突触核蛋白在神经元和其他脑细胞内异常聚集及错误折叠引起的脑部疾病。作为一种神经退行性疾病，诊断帕金森病的前驱形式至关重要，以便通过适当干预来预防或减轻其严重程度。
孤立性快速眼动睡眠行为障碍（iRBD）的存在，与已有的亚临床α-突触核蛋白病每年有6%的风险转化为显性帕金森病或路易体痴呆（DLB）相关。超过60%的iRBD患者表现出黑质-纹状体多巴胺能缺乏的早期迹象，其中30%会在三年内发展为α-突触核蛋白病。
数字工具被广泛用于帕金森病筛查，包括8分钟的牛津帕金森病中心（OPDC）智能手机应用程序。此前，本研究的研究人员报告称，OPDC能够准确区分健康人、iRBD患者和帕金森病患者，还能预测MDS-UPDRS-III运动评分。
当前研究基于DaT与运动评分之间的相关性，旨在确定机器学习模型是否能利用基于智能手机的数据准确预测DaT状态和SBR。如果成功，这种廉价且易于获取的方法可用于对DaT扫描异常风险较高的人群进行分诊。
通过100次独特的DaT扫描，智能手机数据模型达到了80%的辨别值，与基于MDS-UPDRS-III评分的模型相当。当将这两种数据源都纳入模型时，观察到曲线下面积（AUC）值为85%。
基于MDS-UPDRS-III或同时基于两者的逻辑回归模型总体表现稍好，AUC分别为82%和85%。回归模型对SBR的预测准确性中等，其中对步态、手部灵活性和震颤的预测价值最高。
基于智能手机的评估通过对运动进行重复高频采样，从多个维度对其进行测量。因此，这种方法能够捕捉到医护人员可能遗漏的临床特征，从而更敏锐地检测到往往是早期多巴胺缺乏特征的亚临床震颤。
基于这些发现，作者推测，识别更详细信息的能力与标准化运动评分相结合，可显著提高SBR预测的准确性。基于智能手机的模型和MDS-UPDRS-III评分在类别区分能力上相当。然而，在逻辑回归中，临床评分的表现优于更复杂的基于智能手机的模型。
这强调了整合数字评估的附加价值，同时也凸显了根据数据复杂性和维度选择模型的重要性。
当仅纳入较轻度的帕金森病病例进行额外的逻辑回归分析时，所有模型的效果都较差，这表明仅基于运动的评估在预测疾病早期的帕金森病进展时可能不太可靠。尽管样本量较小，但研究结果证实了将基于智能手机的运动评估与临床MDS-UPDRS-III评分相结合，用于预测iRBD和帕金森病患者DaT扫描状态的可行性。
如果得到证实，这种临床与数字相结合的框架可能会为DaT成像提供一种经济高效且易于普及的预筛查工具——让患者和临床医生都能实现更早干预和更频繁监测的可能。
期刊参考：
冈特、K.M.、格罗内瓦尔德、K.、奥布ourg、T.等人（2025年）。基于智能手机的前驱期和显性帕金森病多巴胺能缺陷预测。《NPJ数字医学》。DOI:10.1038/s41746-025-02148-2。https://www.nature.com/articles/s41746-025-02148-2