一项新的研究开发了一种创新的筛查方法，通过分析耳垢中的挥发性化合物来检测帕金森病（PD）的早期迹象。
研究人员发现，帕金森病患者体内的四种特定挥发性有机化合物（VOCs）与健康人群存在显著差异。
基于这一发现，研究团队开发了一个人工智能嗅觉系统，能够以94%的准确率区分帕金森病与非帕金森病样本。这一廉价且非侵入性的方法有潜力彻底改变早期筛查和治疗策略。
目前，针对帕金森病的治疗措施仅能减缓疾病进程。因此，早期干预对优化护理至关重要，而这需要尽早诊断。
传统的检测方法，例如临床评分量表和神经影像技术，往往主观且成本较高。
在《分析化学》期刊上，研究者们报道了其初步开发的一种通过人的耳垢气味进行便宜筛查的方法。
以往的研究表明，皮脂（一种由皮肤分泌的油性物质）的变化可能有助于识别帕金森病患者。
具体而言，帕金森病患者的皮脂可能具有特征性的气味，因神经退行性病变、系统性炎症和氧化应激等疾病进程造成的挥发性有机化合物（VOCs）变化。
然而，皮肤表面的皮脂由于受到空气污染和湿度等环境因素的影响，其成分可能会发生改变，从而使其成为不可靠的检测介质。
相比之下，耳道内的皮肤则较为封闭，远离这些环境影响。因此，研究团队决定将帕金森病筛查的重点放在耳垢上，这种物质主要由皮脂组成，并且便于取样。
为识别与耳垢中帕金森病相关的潜在挥发性有机化合物，研究者们对209名受试者进行了耳道拭子采样（其中108名被诊断为帕金森病）。
他们使用气相色谱法和质谱法对收集到的样本进行分析。
研究发现，帕金森病患者的耳垢中有四种挥发性有机化合物的含量显著不同，分别为乙苯、4-乙基甲苯、戊醛和2-庚烷-1,3-二恶烷。
研究者们认为，这四种挥发性有机化合物是帕金森病的潜在生物标志物。
随后，研究团队利用耳垢中VOCs数据训练了一种人工智能嗅觉（AIO）系统。
最终形成的AIO筛查模型以94%的准确率对帕金森病和非帕金森病的耳垢样本进行了分类。
研究者表示，该AIO系统可以作为早期帕金森病筛查的第一线工具，为早期医学干预铺平道路，进而改善患者护理。
“这项研究是在中国进行的小规模单中心实验，”研究者Dong说道。
“下一步是进行更大规模的研究，涵盖不同阶段的病症、多个研究中心以及多种族群，以确定该方法是否具有更广泛的实际应用价值。”
本研究得到了国家自然科学基金、浙江省创新引领型研发团队项目和中央高校基础研究基金的支持。
帕金森病是一种常见的神经退行性疾病，给全球带来了重大挑战。
早期的诊断和干预对于帕金森病的治疗至关重要。
本研究提出了一种利用耳道分泌物（ECS）中挥发性有机化合物（VOCs）进行帕金森病诊断的模型。
通过气相色谱-质谱联用技术检查ECS样本，发现四种VOCs成分在帕金森病患者和非帕金森病患者之间存在统计学上的显著差异。
基于这些VOCs成分的诊断模型展现出强大的识别和分类帕金森病患者的能力。
为了提高PD诊断模型的准确性和效率，研究者们提出了一项协议，以提取色谱数据中的特征。
通过将气相色谱-表面声波传感器（GC-SAW）与卷积神经网络（CNN）模型相结合，该系统的准确率高达94.4%。
对诊断模型的进一步提升有望为帕金森病提供新的诊断解决方案，并实现临床床边快速诊断设备的应用。
图片源于：neurosciencenews
