帕金森病诊断与监测的运动症状相关数字生物标志物研究进展总结2026.docxVIP

帕金森病诊断与监测的运动症状相关数字生物标志物研究进展总结2026

帕金森病的主要病理特征在于黑质多巴胺能神经元进行性退行性变和路易小体形成，其患病率在60岁后为1%，在80岁后为3%［1,2］，典型临床症状只有在超过50%~70%的多巴胺能神经元退化后才会出现［3］，不利于早期诊断和治疗。尽管诊疗策略有所进展，帕金森病的诊断与管理仍面临挑战，如个体异质性及传统量表的主观性等限制［4］，都会对诊断的准确性产生一定影响，误诊率为15%~24%［5］。在帕金森病的病理进程中，伴随大量疾病相关数据的产生，数字技术的迭代发展为这些数据的高效分析与深度挖掘提供了重要支撑。

帕金森病运动症状相关数字标志物属于数字生物标志物的一个子集，指通过数字化设备采集的、与运动症状直接关联的客观量化指标。该类标志物能够实现连续、非侵入性的远程监测，用于揭示疾病特征、评估病理状态及治疗反应，并为疾病进展的发现、解释与预测提供依据。随着机器学习和人工智能技术的发展，其在帕金森病的诊断监测中的潜力和作用逐渐凸显［6］。一项使用英国生物样本库数据的大型横断面研究结果显示，使用加速度测量数据可检测前驱帕金森病，并将基于遗传学、生活方式、血液生化和前驱症状的预测模型与数字测量进行比较，结果显示与其他预测模型相比，身体活动的数字测量更能识别前驱组中的患者［7］。此外，通过利用运动症状和各种算法以及传感器，部分研究者已经