在《自然科学报告》杂志上发表的一篇论文中，IBM、辉瑞等公司的一项合作研究通过使用人工智能分析人类运动障碍增加时的身体活动数据，在评估帕金森氏症严重程度方面取得了新的进展。该研究模型可以精确地指出一个人的帕金森氏症发展到什么程度。

合作者开发了一种无监督的人工智能技术，可以生成关于运动质量的测量数据。研究人员将可穿戴设备上的连续信号转换成健康受试者共有的一系列“音节”，这些“音节”成为机器学习运动技能的一部分，不同动作之间共享子序列。音节间转换的统计分布是健康行为的标志，而帕金森病患者的符号序列是紊乱的。该技术正是通过捕捉运动混乱来估计步态损伤和帕金森症状的严重程度。

研究人员称，如果将该技术应用到生产中，它将被允许7*24小时检测一个人的神经系统状态，并比较临床环境和家庭中的评估结果。这与现有的帕金森病诊断方法形成了鲜明对比，比如运动障碍协会的统一帕金森病评分量表通常一年只测量几次，本质上是主观的，而且主要依赖患者的自我报告。

在一项补充研究中，研究人员还构建了一系列算法，这些算法考虑到了掩盖帕金森病外部症状的因素，例如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学基础还没有完全被了解，医生通常很难仅仅通过判断外部症状来了解疾病的发展程度。

此外，尽管这项研究的初始动机是帕金森氏病，但研究人员希望它能激发对其他疾病的类似探索，如糖尿病、阿尔茨海默氏病和肌萎缩侧索硬化(ALS)。尽管在慢性病管理方面取得了许多进展，但该领域仍有许多悬而未决的问题。对慢性病的更好理解可以有助于我们改善对患者护理，并通过更好的临床试验来更快、更有效地开发药物。