帕金森病（Parkinson’s disease）是當前全球發病率增長最快的神經退行性疾病之一，被稱為“沉默的殺手”、“慢性癌癥”。其典型表現包括震顫、肌肉強直和運動遲緩，以及認知功能損害、癡呆等，這些癥狀不僅嚴重影響 1000 萬患者的行動能力，也顯著降低了他們的生活質量。此外，被認為只有老年人才會得的帕金森病，現在也“盯上”了越來越多的年輕人。

長期以來，帕金森病的診斷與病情監測主要依賴對這些運動癥狀的觀察，這種方法不僅高度依賴操作者本身，效率低下，還缺乏客觀、量化的診斷標準。而且在低收入國家，神經科醫生更為稀缺——每 10 萬人中僅有 0.03 至 0.13 名，進一步限制了帕金森病的及時發現與管理。

盡管此前研究發現，在運動癥狀出現前，機體可能已發生一系列生物學變化，如病理性 α- 突觸核蛋白積累、腦脊液中相關酶水平變化及視網膜結構異常等，但這類生物標志物的檢測多依賴復雜設備和專業技術，難以在基層醫療場景中廣泛推廣。

因此，開發一種兼具定量能力、成本低、可廣泛獲取的帕金森病診斷工具，仍是一項尚未滿足的臨床需求。

如今，只需一支筆，即可以高達 95% 以上的準確率實現帕金森病的早期輔助檢測。

據介紹，這一裝有磁性墨水的“診斷筆”出自加州大學洛杉磯分校（UCLA）生物工程系終身教授 Jun Chen 實驗室，通過人工智能（AI）技術驅動的數據分析，能夠識別帕金森病患者與健康人群手寫特征的差異，有望實現更早診斷。

相關研究論文以“Neural network-assisted personalized handwriting analysis for Parkinson’s disease diagnostics”為題，已發表在 Nature 子刊 Nature Chemical Engineering 上。論文通訊作者為加州大學洛杉磯分校（UCLA）的生物工程系終身教授、生物電子實驗室創始人 Jun Chen。

論文鏈接：https://www.nature.com/articles/s44286-025-00219-5

研究團隊表示，這種診斷筆可能代表一種低成本、準確且易于大規模分發的技術，有望實現早期、廣泛的篩查，在未來具備廣泛推廣的潛力，有望填補當前臨床診斷中的關鍵空白。

手寫識別帕金森病？AI來幫忙

據論文描述，這款診斷筆主要由磁彈性筆尖和鐵磁流體墨水兩部分組成。筆尖中的磁性顆粒嵌入硅膠基底，可感知書寫過程中的壓力變化并產生磁場，而鐵磁流體墨水對這些磁場變化產生響應，進而生成可記錄的電壓信號。

從材料微觀結構到功能響應，研究團隊對磁彈性筆尖和鐵磁流體墨水的性能進行了系統測試，并發現其在長期使用后仍能保持穩定的磁性與黏度，不存在顯著衰減。

圖｜磁彈性診斷筆的設計和工作原理。

診斷筆的結構與組成：

a. 用于個性化書寫分析和帕金森病（帕金森病）診斷的診斷筆示意圖。

b. 診斷筆由磁彈性筆尖和鐵磁流體墨水組成，筆尖由嵌入硅膠基質中的磁性顆粒構成。

c. 鐵磁流體墨水由單域納米磁體組成。

材料的微觀結構與形貌：

d、e. 磁彈性筆尖材料在兩種不同狀態下的微計算機斷層掃描（Micro-CT）圖像：原始狀態（拉伸前）和變形狀態（拉伸后）。標尺，1.5 毫米。

f. 磁性納米顆粒的透射電子顯微鏡圖像。標尺，25 納米。

g. 鐵磁流體墨水在不同外部磁場下的表面形貌，由表面張力、重力和電磁應力的平衡所決定。標尺，3 毫米。

磁場分布與材料性能：

h. 磁彈性筆尖沿垂直方向的磁場分布。

i. 鐵磁流體墨水的黏度（紅色）和磁彈性筆尖–鐵磁流體墨水系統的磁性特性（藍色）在長期使用前后樣品之間沒有明顯變化。數據以均值 ± 標準差表示；黏度實驗 n=3，磁通量測試點 n=5。通過雙尾 t 檢驗確定顯著性。NS，不顯著。

j. 在施加力的情況下，磁彈性筆尖不同垂直距離處的磁通量變化的絕對值。

為驗證該技術的實用性，研究團隊在 UCLA 的 Ronald Reagan 醫療中心開展了初步人體研究。參與者包括帕金森病患者與健康志愿者，所有人均簽署知情同意書后，完成了一系列書寫任務：

1. 繪制連續波浪線；

2. 繪制連續螺旋線；

3. 書寫六個大寫字母“MEGPEN”。

以上三項任務分別在紙面和空中完成，同時采集相關電流信號。

圖｜個性化書寫分析。

a. 用診斷筆做個性化書寫分析的系統設計。

b. 用診斷筆在紙上連續畫波浪線（任務1），畫了三輪，記錄下來的電流信號。

c. 用診斷筆在紙上畫螺旋線（任務2），也是畫了三輪，記錄下來的電流信號。

d. 用診斷筆在紙上寫字母（任務3），同樣畫了三輪，記錄下來的電流信號。

（A.U.代表“任意單位”）

基于積累的傳感信號，研究團隊得出以下結論：

1. 診斷筆可高保真記錄紙面和空中書寫運動信號，尤其是紙面書寫會因筆尖變形與墨水流動引起電流值上升；

2. 與繪制波浪線或螺旋線相比，書寫字母時的峰值電流更高，因其涉及更復雜的動態交互；

3. 可以從這些任務中提取定量書寫參數，可提取出諸如峰值電流周期等量化參數，這些變化與個體書寫經驗和動作差異密切相關。

最后，研究團隊實施了神經網絡輔助分析，以區分帕金森病患者的書寫信號和健康人群的書寫信號。他們評估了三種基于神經網絡的模型：

• 一維卷積神經網絡（1D CNN）；

• 帶有長短期記憶結構的 1D CNN + LSTM；

• 三種傳統機器學習方法（隨機森林、XGBoost、邏輯回歸）。

數據經標準化處理后被分割為均勻片段，為避免訓練與測試數據污染，研究者使用了來自不同個體的信號進行分組測試。最終實驗共重復 10 次，每次采用不同隨機種子，比較各模型在準確率、精確率、召回率和 F1 分數上的表現。

結果顯示，1D CNN 模型在各項指標上表現最佳，準確率達 0.9622 ± 0.0251，F1 分數為 0.9266 ± 0.0523，表明其在提取局部特征方面尤為出色。該模型對健康參與者的召回率為 0.9795，精確率為 0.9701；對帕金森病患者的召回率為 0.9150，精確率為 0.9432，既能有效避免漏診（假陰性），也能降低誤診（假陽性）率。

臨床潛力與展望

研究結果表明，這款結合神經網絡驅動的書寫分析流程的診斷筆，在帕金森病診斷中展現出顯著潛力。研究團隊的模型對比分析顯示，相比捕捉長距離依賴關系，識別書寫信號中的短距離相關性更為關鍵。這與臨床觀察和實驗結果一致——帕金森病患者的書寫信號常表現為微小峰值等局部異常特征，這對精準識別至關重要。

特別的是，這些發現基于初步人體研究所得的書寫數據，隨著未來臨床試驗中數據的積累，更復雜的模型結構，如基于 Transformer 的架構可能成為首選。

不同于傳統筆跡微觀測量，該診斷筆關注書寫過程中的動作特征，能更直接反映帕金森病相關的運動癥狀，規避了因個體書寫風格差異帶來的偏差，提供更聚焦于癥狀本質的評估方式。

相較于視頻監測，該設備在成本、易用性、隱私保護與推廣性方面更具優勢：其設計簡潔，無需專業操作，適用于日常環境；用戶只需進行日常書寫即可完成評估，且設備不會采集身份識別信息，保障隱私。其低成本、便攜性和易用性使其尤其適用于那些因癥狀不典型或缺乏檢測資源而未能及時確診的患者。

然而，研究團隊也表示，當前研究仍基于小樣本量的初步試驗，后續應擴大研究對象，納入更多樣化的帕金森病患者群體，以進一步驗證其作為數字生物標志物的有效性，并結合標準化臨床評估體系提升其臨床適用性。該研究通過分析 13 名健康受試者的書寫信號，成功識別出 3 名帕金森病患者，但現階段所用的分類模型尚不適用于縱向監測或病情分級。后續研究應引入不同階段、病情程度明確的患者，探索其在病程追蹤中的潛力。

該研究聚焦于帕金森病對主手的影響，這與帕金森病常呈非對稱性運動障礙的臨床特征相符。已有研究表明，帕金森病多首發于主手，無論左右撇子，未來也應關注那些主要影響非主手的少數群體，進一步分析其書寫特征差異。

診斷筆的性能依賴于鐵磁流體墨水與軟磁彈性筆尖的化學和機械穩定性。未來可通過調控磁性顆粒間相互作用，優化其穩定性、靈敏度和頻率響應范圍，從而實現更優設計。隨著實際應用的推進，設備所采集的數據量將大幅增加，需同步提升數據存儲能力。未來可將存儲模塊集成至筆內，并加入無線同步功能，實現與個性化云端數據庫的自動連接，優化使用體驗。

當前，書寫分析仍依賴外部終端運行模型，未來可探索在筆內嵌入傳感器級計算模塊，以增強其獨立性，提升其在資源有限環境下的適應力。

同時，數據隱私的系統化管理也至關重要。建立健全的隱私機制，將有助于推動匿名數據共享，為大規模科研或眾包健康研究提供支持，進一步促進帕金森病管理水平的提升。

鑒于其廣泛的科研與社會價值，這項診斷筆技術預計將在學術界、產業界和臨床領域均具有潛在影響力，同時也有望促進物理、化學、材料科學、生物工程與神經科學等鄰近學科之間的交流與合作。

本文來自微信公眾號：學術頭條，作者：錦鯉