通过持续监测帕金森病患者的步速，该系统可以评估两次就诊之间的病情严重程度。

帕金森病是增长最快的神经系统疾病，影响全球超过10万人，但临床医生在追踪其严重程度和进展方面仍面临巨大挑战。

临床医生通过在门诊就诊期间测试患者的运动技能和认知功能来评估患者。这些半主观的测量往往受到外部因素的扭曲——也许病人在长途跋涉去医院后感到疲倦。神经科医生或帕金森病专家从不治疗超过40%的帕金森病患者，通常是因为他们住得离市中心太远或旅行困难。

为了解决这些问题，麻省理工学院和其他地方的研究人员展示了一种可以监测患者运动和步态速度的家用设备，可用于评估帕金森病的严重程度、疾病的进展以及患者对药物的反应。

该设备大约相当于Wi-Fi路由器的大小，在患者在家中移动时，使用患者身体反射的无线电信号被动收集数据。患者不需要佩戴小工具或改变他们的行为。(例如，最近的一项研究表明，这种类型的设备可用于从一个人睡觉时的呼吸模式中检测帕金森氏症。

研究人员使用这些设备对50名参与者进行了为期一年的家庭研究。他们表明，通过使用机器学习算法来分析他们被动收集的大量数据(超过200，000次步速测量)，临床医生可以比定期临床评估更有效地跟踪帕金森的进展和药物反应。

“通过能够在家中安装一种可以监控患者的设备，并远程告诉医生疾病的进展以及患者的药物反应，这样即使患者不能来诊所，他们也可以照顾患者 - 现在他们有真实，可靠的信息 - 这实际上对改善公平和可及性大有帮助，“资深作者 Dina Katabi 说，他是电气工程和计算机科学系 (EECS) 的 Thuan 和 Nicole Pham 教授，也是计算机科学和人工智能实验室 (CSAIL) 和麻省理工学院贾米尔诊所的首席研究员。