یک مطالعه گزارش داد که یادگیری ماشینی می تواند افراد مبتلا به بیماری پارکینسون را از طریق صدا از افراد بدون آن تشخیص دهد و مراحل بیماری را با تغییرات مداوم در کیفیت صدا ردیابی کند.
با استفاده از ضبط گفتار، محققان مشاهده کردند که صدای بیماران ابتدا در مرحله اولیه پارکینسون از حالت نرمال منحرف می شود و با پیشرفت بیماری بیشتر کاهش می یابد.
تیمی از محققان در ایتالیا و اردن به این فکر افتادند که آیا یادگیری ماشینی می‌تواند چگونگی ارزیابی دقیق تغییرات صدا را در بیماران پارکینسونی توسط پزشکان بهبود بخشد. برای انجام این کار، یک کامپیوتر باید الگوریتم هایی را بر اساس داده های ضبط شده صدا تولید کند.
در مطالعه آنها ۱۱۵ بیمار پارکینسون که تقریباً نیمی از آنها مبتلا به بیماری در مراحل اولیه بودند و هرگز با لوودوپا درمان نشدند، وارد مطالعه شدند، در حالی که ۵۸ بیمار باقی مانده در مرحله متوسط تا پیشرفته و در استفاده طولانی مدت از لوودوپا بودند. در مجموع ۱۰۸ فرد سالم همسان با سن به عنوان شاهد وارد شدند. تغییرات صدا در ۹۷ بیمار (۸۴٪) مشاهده شد، همانطور که با نمره مساوی یا بیشتر از یک در زیرمجموعه مقیاس رتبه بندی بیماری پارکینسون (UPDRS) که گفتار را ارزیابی می کند، مشخص شد.
این تغییرات در ۶۸ درصد از بیماران مبتلا به بیماری در مراحل اولیه و ۱۰۰ درصد از بیماران در مراحل اواسط تا پیشرفته مشهود بود.
ضبط‌ها برای تعیین اینکه آیا یادگیری ماشینی می‌تواند بین افراد مبتلا به پارکینسون و بدون پارکینسون و بیماران در مراحل اولیه از مبتلایان به بیماری پیشرفته‌تر تمایز قائل شود، استفاده شد.
الگوریتم‌های یادگیری ماشینی با استفاده از این ضبط‌ها قادر به تشخیص بیماران – از جمله افرادی که در مراحل اولیه بیماری بودند – از افراد سالم بودند. محققان دریافتند آنها همچنین بین گروه های بیمار در مراحل اولیه و پیشرفته تر تمایز قائل شدند.
