医疗保险数据可能是预测帕金森病的关键，未来或可覆盖到其他多种疾病

帕金森病的患者通常表现为运动障碍，如震颤和肌强直，随着病情恶化而症状加深。但是，在帕金森病患者的发病早期，难以被医生识别出来。

但是，利用分析 医疗保险数据 的新方法可能会改变目前的困境： 在处理了20多万人医疗保险索赔数据后，华盛顿大学医学院的研究人员开发了一种能预测患者未来是否会患帕金森病的新 算法 。

该算法的准确度达到73-83％，它可以帮助医生更快更早更简便地识别帕金森病。 随着算法的不断改进，它可能成为利用医疗保健数据进行临床医疗的标准模型。

算法和 人工智能 （AI）正在进入医疗行业，其中许多应用于疾病检测和疾病预防方面。

例如，意大利的研究人员开发出一种能够通过扫描大脑来检测阿尔茨海默病的AI动力算法，其准确度达86％。AI在医药领域也收获颇丰：Freenome（用机器学习来评估血液中的生物信号），Recursion Pharmaceuticals（审查细胞图像以寻找现有药物的新用途）以及许多新型药物。

但在上述例子中，AI都需要结合临床使用。 目前，华盛顿大学的研究人员创建了一种预测模型，可以仅利用医疗保险索赔的人口统计信息和诊断程序代码来预测识别帕金森病。

这项研究部分受美国国立卫生研究院（NIH），迈克尔·福克斯基金会（Michael J.Fox Foundation）和美国帕金森病协会（American Parkinson Disease Association）资助。一直以来，人们没有有效确诊帕金森病的方法。为此，医疗保险记录提供了一个数据库，用于对比研究帕金森病患者和从未患帕金森病的人的病史。

为了开发这项算法，WU团队分析了从2004-2009年间约208000名66岁以下人士的医疗保险资料。其中，约43％的患者于2009年被诊断为帕金森病。

研究人员详查了每个人的医疗保险索赔历史，来列出其所接受的全部诊断和医疗程序的清单。 基于这些信息，他们开发出一种算法来识别诊断与帕金森病相关的健康问题，包括震颤，姿势异常，认知功能障碍，胃肠道问题等。

该算法还涉及到患者不太可能发展为帕金森病的因素 ——肥胖相关病症，吸烟史，癌症，心血管疾病和其他某些疾病。

算法中包括了536个诊断和程序代码，还综合了年龄，性别和种族/民族等因素。 当该算法应用于数据库时，准确度达73%-83%，这是一种能比较准确预测和诊断帕金森病的方法。

该研究的另一个重要发现是，该预测模型可以用于AI上，来提前几年或提前几十年来诊断某人是否会发病。

精神病学博士Racette说：“医生可以利用这种算法，扫描电子医疗记录，并决定他们的患者是否需要进行帕金森病的筛选评估。”虽然Racette的想法仍需要一段时间来实现，但其会在医疗中产生非常深远的正面影响。

随着Racette和其华盛顿大学团队继续改进算法，对此感兴趣的初创公司会综合利用AI和医疗数据来降低医疗成本并提高医疗效果。例如，医疗保险初创公司Clover Health就专注于将数据科学应用于预防性护理的事业。

根据帕金森病基金会的数据显示，每年约有60000名美国人被诊断患有帕金森病。 一种能更早、更快、更便捷地诊断识别帕金森病的有效方法可以使多方受益。

例如，研究人员发现，其数据库中的帕金森病患者在被确诊之前的18个月内，通常会有大量的看诊检查记录。而如果该病能够早期诊断出来，就会降低医疗成本并及早治疗，提高医疗效果。这有益于患者和保险公司双方。