科普时报讯（记者吴桐）施普林格·自然旗下专业学术期刊《自然·通讯》日前发表的一项研究成果表明，被动采集的运动追踪数据，或能作为预测帕金森病未来发展的早期指标。这些数据或能实现相对低成本且无创的大规模人群筛查，但这项研究成果仍需进一步研究。

帕金森病是一种没有已知疗法的神经退行性疾病，会导致运动功能相关神经元进行性丧失。确诊神经系统变性后，帕金森病通常已持续多年，此时约有50%—70%的运动功能相关神经元已受到影响，提早发现帕金森病风险的个体，或能让更多受试者加入为该疾病设计的保护性疗法临床研究。

论文作者辛西娅·桑多尔和同事利用英国生物银行采集10.3万人年龄在40—69岁的数据，模拟运动追踪设备的数据，用来在临床确诊前发现帕金森病患者。辛西娅·桑多尔发现，相比常用的临床标志物，如生活方式、遗传学、血液生化学、患者报告症状指标，使用来自运动追踪设备的数据训练机器学习模型，能更好区分临床诊断和预诊断的帕金森病。

辛西娅·桑多尔指出，与运动加速和睡眠质量相关的特定模式，跟帕金森病的未来发病或现有确诊有关。白天的平均运动加速在帕金森病确诊前的几年里会减慢，而帕金森病确诊患者的睡眠障碍比其他临床疾病患者更严重。

辛西娅·桑多尔认为，他们的研究成果表明，运动数据或能作为发现帕金森病风险人群的低成本筛查工具，但仍需在其他人群中开展进一步研究来印证以上研究结果。辛西娅·桑多尔指出，对帕金森病相关的病理性神经退行迹象的早期筛查，或有助于启动神经保护疗法，以开展针对疾病发展的临床试验。