家用传感器与人工智能监测ALS病情 ^{CEFR B2}

密苏里大学团队正在把家用传感器与人工智能结合，目的是更连续地追踪肌萎缩性侧索硬化症（ALS）患者的功能变化。ALS会损伤控制肌肉运动的神经，导致虚弱以及说话、吞咽和呼吸困难。由于病情在每个人身上进展不同，临床医生在门诊间往往缺乏详细的日常功能信息。

比尔·詹斯（Bill Janes）是Mizzou的持证职业治疗师和研究人员，负责将传感器技术用于ALS护理。相关传感器最初由工程学院的Marjorie Skubic和辛克莱护理学院的Marilyn Rantz为居家老年人开发，能检测步行和睡眠等活动变化，并曾促使介入以延缓或防止严重事件。

传感器信号通过无线方式从家庭传送，经两台小箱子后安全传到大学系统进行分析。诺亚·马夏尔（Noah Marchal）负责项目的数据科学工作，他与导师、助理教授Xing Song一同实现人工智能组件。团队先验证传感器数据能否准确反映日常功能，验证后进入预测建模阶段，使用机器学习估算ALS功能评分修订版（ALSFRS-R）得分。

研究的目标是提前发现如步态或呼吸的变化，以便降低跌倒或住院风险。若预测模型发出令人担忧的衰退信号，临床医生可能会收到提醒并采取措施，例如联系患者、调整药物、建议辅助设备或建议进一步治疗。参与家庭的早期反馈积极，许多人表示感到更多联系和安心。研究人员指出，该方法也可改用于监测帕金森病或心力衰竭。相关研究发表在期刊Frontiers in Digital Health，并由密苏里大学报道。