视频分析揭示REM睡眠行为障碍与帕金森病早期运动迟缓的生物标志物

本研究通过机器学习算法分析手指敲击任务视频，首次在临床评分正常的REM睡眠行为障碍(iRBD)和帕金森病(PD)患者中检测到运动幅度和速度递减现象。研究人员开发了基于VisionMD的视频分析系统，发现PD组存在运动迟缓(bradykinesia)和运动减退(hypokinesia)，而iRBD组仅表现序列效应(sequence effect)，为神经退行性疾病的早期诊断提供了低成本、可扩展的客观评估工具。

　　

在神经退行性疾病研究领域，如何早期识别帕金森病(PD)高风险人群一直是个重大挑战。特发性REM睡眠行为障碍(iRBD)患者中，超过80%会转化为PD或其他突触核蛋白病，但传统临床评估方法如MDS-UPDRS量表缺乏检测细微运动异常的敏感性。佛罗里达大学(University of Florida)的研究团队在《npj Parkinson's Disease》发表创新研究，通过视频分析技术揭开了这一难题的新突破口。

研究团队采用机器视觉方法分析了66名参与者（包括健康对照、iRBD和早期PD患者）的手指敲击任务(Finger Tapping Task)视频。所有入选视频均获得MDS-UPDRS Part III手指敲击项目0分评分，意味着临床检查未发现异常。通过VisionMD开源软件提取运动学特征，包括运动幅度、速度及其递减程度等参数，结合多种机器学习算法进行分类建模。

研究方法

研究纳入32名健康对照(HC)、16名经多导睡眠图确诊的iRBD患者和18名病程<5年的PD患者。使用30fps摄像机记录标准化的手指敲击测试，通过MediaPipe算法追踪21个手部标志点，计算食指与拇指间距的动态变化。采用留一法交叉验证和SMOTE过采样技术构建分类模型，比较五种机器学习算法的性能。

运动特征分析

PD组表现出显著的运动幅度减小(0.896±0.400 vs HC 1.296±0.606)和速度降低(2.393±0.882 vs HC 3.447±1.493)，证实了运动减退和运动迟缓的存在。值得注意的是，iRBD组虽临床评分正常，但已出现显著的幅度递减(1.166±0.258)和速度递减(1.088±0.127)，这种序列效应与PD组(1.134±0.228;1.139±0.180)相当。

分类性能

随机森林模型表现最佳：区分PD与HC的平衡准确率达81.5%，iRBD与HC达79.8%，iRBD与PD达81.7%。特征选择显示运动速度和速度递减最具鉴别力，而PD分类还依赖运动幅度特征。

研究意义

该研究首次证实视频分析能在临床显性症状出现前检测PD和iRBD的运动异常：1）序列效应可能是最早的神经退行性标志，早于典型运动迟缓；2）iRBD患者表现独特的"高运动状态"，可能反映代偿机制；3）VisionMD系统为社区筛查提供了硬件非依赖的解决方案。这些发现为神经保护干预的时机选择提供了客观依据，通过智能手机等普及设备即可实现大规模风险人群筛查。

Diego L. Guarin团队的工作突破了传统量表评估的局限性，揭示了运动功能递减作为前驱期生物标志物的价值。特别值得注意的是，该技术对鉴别临床评分相同的iRBD与PD患者仍保持81.7%的准确率，这对预测表型转化具有重要临床意义。随着进一步验证，这种方法或将成为神经退行性疾病早期诊断标准流程的重要组成部分。