一项开创性的研究通过分析大脑对情感刺激的反应，使用脑电图（EEG）和人工智能技术，实现了几乎完美的帕金森病检测准确性。这项突破提供了一种有前途的非侵入性和客观的诊断方法，可能彻底改变帕金森病患者的早期检测和治疗。
该研究由澳大利亚堪培拉大学和科威特科技大学的研究人员进行，重点关注帕金森病患者与健康个体之间的情感感知差异。帕金森病已知会损害情感识别能力，尤其是在区分恐惧、厌恶和惊讶等情感方面。为了探讨这一点，研究人员收集了20名帕金森病患者和20名健康对照者的EEG数据，这些人在观看情感诱发的视频片段和图像时进行了测试。机器学习算法处理EEG数据，提取并分析关键特征，达到了0.97的F1得分，成功地区分了帕金森病患者和健康个体。频谱功率向量（反映不同情感状态下的大脑活动相关性）和公共空间模式（提高分类准确性）在这项成功中起到了关键作用。结果显示，帕金森病患者更关注情感强度而非情感效价，常常混淆相反效价的情感，例如将悲伤误认为快乐。
这种新的诊断方法提供了多项临床优势。与当前依赖患者自我报告或主观专家评估的方法不同，基于EEG的情感分析提供了一种客观且可扩展的解决方案。研究表明，这一技术几乎完美地准确，意味着它可以实现更早的诊断，从而更好地管理疾病并改善患者的生活质量。此外，通过EEG进行情感脑监测可以整合到常规神经学评估中，成为全球临床医生的宝贵工具。
未来的研究应探索更大的患者群体，优化分类算法，并评估在临床环境中实施这项技术的可行性。通过结合神经技术、人工智能和情感计算，这种方法代表了帕金森病个性化和精准医疗的重要进展。
(全文结束)
