人工智能與雲端運算加速解碼柏金遜症（Rowland Illing博士）
本文作者Rowland Illing博士為AWS醫學主管及全球醫療健康企業與非牟利機構總監。
根據世界衛生組織（WHO）統計，全球柏金遜症患者數量超過 1,000 萬，其發病率每 25 年更會增長一倍。這種神經退行性疾病源於大腦產生多巴胺的神經元逐步缺失，但由於研究人員尚未確定導致患者體內神經元衰退的具體原因，目前的傳統診斷只能依賴觀察患者身體運動特徵的方式來推斷大腦病變的階段，這導致醫學界難以針對疾病根源制定有效的治療方案。
然而，雲端的強大運算能力、機器學習（ML）及人工智能（AI）的迅速發展，正為柏金遜症的治療帶來突破。這些先進科技透過收集並深入分析大量數據，深化醫學界和社會大眾對柏金遜症的了解，加速疾病診斷及治療方式的研發。
一、大規模解碼基因，探索病症根源
現時，高達 15% 的柏金遜症患者發病與自身基因缺失或突變有關。隨著研究人員掌握越多 DNA 數據，他們能更容易識別預示柏金遜症患病風險的特定遺傳標誌，有助及早診斷疾病，並為制定後續治療策略指明方向。Ultima Genomics 利用 AWS 科技研發新一代基因測序儀的相關軟件、演算法，並訓練 AI 模型，已成功將完整的基因測序成本從約 1,000 美元降低至 100 美元。
二、將患者經歷轉化為切實可用的數據
由於柏金遜症患者的症狀及歷程各不相同，患者群體在推動醫學界深入了解這個疾病方面發揮重要作用。Michael J. Fox 柏金遜症研究基金會（MJFF）將可穿戴科技作為評估和追蹤柏金遜症狀研究計畫的一部分，並運用大數據分析開展多項研究。這些大數據研究平台在 AWS 的基礎設施上託管，利用各種可擴展的大數據及物聯網技術，收集、處理和儲存來自研究參與者的數據。
三、繪製大腦細胞的圖譜
將大腦內部變化與患者外在經歷的變化進行對比是深入了解柏金遜症的關鍵。然而，核磁共振掃描等先進技術仍難以捕捉大腦內部的變化。艾倫研究所大腦知識平台（Brain Knowledge Platform）致力於繪製大腦中 2,000 億個細胞的變化圖譜。該平台正在 AWS 上搭建全球規模最大的腦細胞開源數據庫。透過結合高性能的雲端運算、AI 及 ML 服務，大腦知識平台能夠對不同腦細胞類型的特徵進行解碼，並監測在神經系統疾病發病過程中的細胞變化。借助 AWS 的解決方案，大腦知識平台將成為一個神經學數據的開放註冊中心。
四、AI 優化 DBS 療法
深部腦刺激（DBS）透過對特定大腦區域進行電刺激，治療神經運動障礙。AI 與雲端科技的融合，讓 DBS 的治療更精準，同時減少創傷和降低副作用。當中包括運用 AI，根據每位患者不同的大腦活動情況，對刺激療法進行個人化調整。
深化對柏金遜症的認知有助患者及早診斷疾病，以及協助醫學界研發新型的治療方式，從而顯著提升患者生活品質。而雲端運算和 AI 等創新科技正為柏金遜症患者、家屬及醫護人員開創更多嶄新的可能。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
