在本项研究中，论文通讯作者、美国加州大学洛杉矶分校陈俊与同事合作，开发出一种通过分析使用含 有磁性墨水的定制笔书写的样本，来诊断帕金森病的方法。通过将磁性墨水在一个表面和空气中的书写 运动转化为电信号，他们利用神经网络(一种人工智能方法，通过互联节点网络学习并区分复杂模式)证 明，该人工智能笔可在16名患者的小规模队列中，以超过95%的准确率区分帕金森病患者与非患者的书 写特征。 据论文介绍，帕金森病估计影响全球近1000万人，是仅次于阿尔茨海默病的第二常见神经退行性疾病。 帕金森病也是全球增长最快的神经退行性疾病，且在低收入和中等收入国家，普遍认为诊断数量被低 估，部分原因在于这些国家缺乏经过培训的医疗专业人员来诊断该疾病。 由于该疾病的症状包括震颤，诊断通常基于观察患者的运动技能。然而，这种方法缺乏客观标准，且通 常依赖于临床医生的主观判断。 论文作者认为，这种人工智能诊断笔可能代表一种低成本、准确且易于大规模分发的技术，有望改善帕 金森病在大规模人群和资源匮乏地区的诊断。他们指出，未来工作应扩大该工具的患者样本量，并探索 其在追踪帕金森病进展阶段上的潜力。 中新网北京6月3日电 (记者孙自法)施普林格· ...

人工智能医疗诊断技术 - 美国加州大学洛杉矶分校陈俊团队开发了一种装有磁性墨水的人工智能笔 可通过分析书写样本诊断帕金森病 准确率超过95% [1][2] - 该设备利用神经网络技术将书写运动转化为电信号 能有效区分帕金森病患者与健康人群的书写特征差异 [1][2] 帕金森病诊断现状 - 帕金森病是全球第二大常见神经退行性疾病 影响约1000万患者 在低收入和中等收入国家呈现最快增长趋势 [1] - 当前诊断主要依赖医生主观观察患者运动技能 缺乏客观标准 且早期症状易与其他运动障碍混淆 [1] - 全球范围内帕金森病诊断数量被严重低估 主要由于医疗资源不足地区缺乏专业诊断人员 [1] 技术应用前景 - 该诊断笔具有低成本特性 适合大规模人群筛查 特别有利于资源匮乏地区的早期诊断 [2] - 研究人员计划扩大患者样本量 并探索该技术在追踪帕金森病病情进展方面的应用潜力 [2]