通过笔迹分析，帕金森诊断准确率高达96%！

近日，杂志nature chemical engineering上发表了一篇题为“Neural network-assisted personalized handwriting analysis for Parkinson’s disease diagnostics”的文章。作者开发了一种具有磁弹性尖端和铁磁流体墨水的诊断笔，可将细微书写动作敏感地转换为高保真的传感信号，用于笔迹分析。为了证明其临床潜力，作者进行了一项初步人体研究。结果显示，诊断笔可准确记录笔迹信号，神经网络辅助分析这些手写信号成功地将PD患者与健康参与者区分，平均准确率为96.22%。总之，此研究表明，自供电诊断笔为PD的及时检测提供了一种潜在的低成本、广泛推广、可靠和可获取的策略。

书写是一个复杂的过程，它将认知、感知和精细运动能力交织在一起，分析笔迹模式可以为诊断PD提供重要的定量的生物特征标记。

诊断笔（图a）由磁弹性笔尖和铁磁流体墨水组成。磁弹性笔尖维持铁磁流体墨水内的磁化（图c）；还会在外部机械应力（图d）下引起尖端变形（图e），从而导至其磁通量的变化。这种磁通变化，结合铁磁流体墨水在书写过程中的动态运动，在周围线圈中产生电压信号。实验结果证实，诊断笔的软笔尖的磁弹性效应和铁磁流体墨水的动态运动驱动，能够将手写运动症状转化为传感信号。

为了评估手写到电信号的转换过程，作者首先研究了运动在不同水平加速度（图a）、水平频率（图b）、垂直加速度（图c）和垂直频率（图d）下产生的电流信号。该过程显示，随着加速度水平的升高，电流信号输出明显增加（图a和c）。不同频率的正弦波对电流信号输出也有影响，高频运动产生更强的输出信号（图b和d）。还研究了诊断笔捕捉高频书写动作的能力。结果表明，诊断笔可准确记录10-12 Hz范围内的高频运动（图e）。这些发现验证了诊断笔精确记录快速笔迹运动而没有明显延迟的能力，证实了其适合高频运动检测。

作者探索其在临床场景中的潜力。与健康的参与者相比，PD患者通常表现为手部和手指的震颤和运动迟缓。手颤抖被记录为额外的小峰（图c），将其与正常笔迹的模式区分开来。

作者给参与者的3个任务分别为连续波浪线、连续螺旋和书写“MEGPEN”。对于健康参与者的代表性电流信号如图d和e所示。而PD患者的书写信号出现了额外的小峰（图g）。作者提取了笔迹参数，并计算了归一化峰值电流值和每个周期的书写持续时间（图h）。结果显示，PD患者的信号峰值电流为1.33±0.40（a.u），书写持续时间为4.28±0.35 s，而健康参与者的信号峰值电流为0.67±0.11 （a.u），书写时间为2.97±0.27 s。这些观察结果为诊断笔在临床相关应用场景中准确捕捉笔迹运动的潜力提供了支持。

最后，作者实施了一项神经网络辅助分析，以区分PD患者和健康人的笔迹信号（图i）。评估了三种基于神经网络的模型，包括一维卷积神经网络（1D CNN）、1D CNN与LSTM、 LSTM，以及三种传统的机器学习方法（随机森林、XGBoost和逻辑回归）。综合性能指标，包括准确性、精密度、召回率和F1分数，在所有模型中进行了比较（图j）。

结果表明，1D CNN模型具有最佳的准确率（0.9622）和F1分数（0.9266），健康参与者的召回率为0.9795，精度为0.9701，而PD召回率为0.9150，精度为0.9432，这意味着很少假阴性，也很少假阳性（图k）。这些结果表明，诊断笔与神经网络驱动的笔迹分析管道相结合，具有有效诊断帕金森病的潜力。

作者开发了一种具有磁弹性尖端和铁磁流体墨水的诊断笔，可将细微书写动作敏感地转换为高保真的传感信号，用于自供电笔迹分析。为了证明其临床潜力，作者进行了一项初步人体研究。结果显示，诊断笔可准确记录笔迹信号，神经网络辅助分析这些手写信号成功地将PD患者与健康参与者区分，平均准确率为96.22%。总之，此研究表明，自供电诊断笔为PD的及时检测提供了一种潜在的低成本、广泛推广、可靠和可获取的策略。

此研究的局限性在于有限样本量的初步人体研究。未来的研究可能涉及更多样化的PD患者队列，样本量更大，以进一步验证诊断笔生成的手写信号作为数字标志物，并根据适当的临床标准进行验证，以确保临床相关性。未来的工作可能还涉及已知和不同疾病分期的PD患者，以进一步研究诊断笔在分期评估和跟踪疾病进展方面的潜力。总之，这种诊断笔技术可以提供一种创新的途径补充现有的PD诊断方法，促进在大量人群中进行早期检测。对于那些尚未认识到自己是潜在PD患者的未经治疗的个体，以及那些在资源有限的地区，使用化学生物标志物进行医学诊断的机会很少的人来说，这尤其有益。