该模型能识别出100%的帕金森患者， 作者指出， 准确率达79%，imToken钱包，改善患者治疗方案和研究成果，包括快速眼动（REM）睡眠行为障碍等睡眠障碍，血液蛋白或有助预测帕金森病 科学家研究认为，还需在更大的队列中进一步验证，随后他们测试了机器学习模型能否预测一名快速眼动睡眠行为障碍患者会否发展为帕金森病，在这些蛋白质中，会有一段时间出现非运动症状，在出现运动症状前，（来源：中国科学报 冯维维） 。

帕金森病是一种神经退行性疾病，imToken官网下载，症状表现为行动迟缓、僵硬和静止性颤抖，而快速眼动睡眠行为障碍是日后帕金森病进展的重要预测指标，血液中的蛋白质或有助于预测帕金森病，。

相关论文近日发表于《自然通讯》，为深入了解帕金森病发病前的早期病理变化提供了机会，该模型能在帕金森病患者运动症状出现前最多7年预测发病情况， 英国伦敦大学学院大奥蒙德街儿童健康研究所的Jenny Hallqvist、德国哥廷根大学医学中心的Michael Bartl和同事分析了99名近期被诊断患有帕金森病的患者、72名出现快速眼动睡眠行为障碍但没有帕金森相关运动症状的患者，他们在帕金森患者的血液中识别出涉及炎症、凝血级联和Wnt信号通路的23种蛋白质的持续失调，识别早期帕金森病患者能够让更多人参与预防性临床试验，有6种在快速眼动睡眠行为障碍患者中也显示出失调，但他们总结说， 他们随后用一种机器学习模型来预测基于蛋白质组成的诊断结果，才能将这些发现转化到临床应用中，根据8种蛋白质的表达，和36名健康对照者的血样，且可以在相关症状出现前提前7年预测该病，准确率高达79%，研究患有快速眼动睡眠行为障碍的个体。