Forskere finder måde at forudsige demens på

Ved hjælp af en massiv database og kunstig intelligens har forskere fra Shanghai opdaget biomarkører i plasma, der kan forudsige demens 15 år før symptomerne begynder.

Forskerne sagde, at deres forskningsresultater kan spille en vigtig rolle i tidlig intervention for raske voksne, der har høj risiko for at udvikle lidelsen.

En artikel om forskningen udført af hold fra Fudan Universitys Institute of Science and Technology for Brain-inspired Intelligence og universitetets Huashan Hospital blev offentliggjort i Nature Aging den 13. februar.

En lederartikel offentliggjort i Nature samme dag sagde, at forskernes arbejde var "et skridt i retning af [udviklingen af] et værktøj, som forskere har ledt efter i årtier:" blodprøver der kan opdage Alzheimers sygdom og andre former for demens på et meget tidligt, præsymptomatisk stadie".

Det er ofte vanskeligt at diagnosticere hjernesygdomme, sagde læger. Lumbalpunkturer er invasive, og undersøgelser af hjernebilleder er dyre. I modsætning hertil blodprøver er praktiske, ikke-invasive og omkostningseffektive, sagde Cheng Wei, medforfatter til artiklen og forsker ved instituttet.

Forskere fra Fudan University udtaler, at de håber, at blodprøver til at forudsige sandsynligheden for demens kan anvendes i kliniske omgivelser inden for seks måneder. Tidlig opdagelse af lidelsen åbner op for tidlig intervention, hvilket giver potentiale til at bremse eller endda stoppe dens progression.

Ifølge Verdenssundhedsorganisationen (WHO) rammer demens over 55 millioner mennesker verden over, og dette tal forventes at fortsætte med at stige. Demens udvikler sig langsomt, fra et asymptomatisk stadie til et fuldt ud udtrykt klinisk syndrom, i løbet af et årti eller mere.

"Når patienterne begynder at vise kognitive adfærdsproblemer, kan lidelsen allerede have udviklet sig til de midterste eller sene stadier, og det bedste interventionstidspunkt vil være blevet overset," sagde Feng Jianfeng, en beregningsbiolog ved Fudan University Institute og en anden medforfatter af artiklen.

Forskerne benyttede sig af den omfattende United Kingdom Biobank-kohorte, som omfattede mere end 52.600 raske voksne og havde en median opfølgningsperiode på 14 år. Blandt dem blev 1.417 personer diagnosticeret med allårsagsdemens, 691 med Alzheimers sygdom og 285 med vaskulær demens.

For hver deltager blev 1.463 proteiner i plasma forbundet med kardiometabolisme, inflammation, neurologi og onkologi testet, og forskerne brugte overlevelsesassociationsanalyse og maskinlæringsalgoritmer til at udføre modelleringsanalysen.

De opdagede signifikante sammenhænge mellem tre proteiner - GFAP, NEFL og GDF15 - og risikoen for disse tre typer demens. De fandt også, at proteinet LTBP2 spiller en rolle i sygdommens opståen.

Disse biomarkører, såvel som konventionelle risikofaktorer som alder, køn, uddannelsesniveau og genetik, blev brugt til at fremme den høje nøjagtighed af den prædiktive model, der overstiger 90 procent.

"Vores undersøgelse giver et godt eksempel på, hvordan AI kan fremme et forskningsparadigme, der fremmer tværfagligt samarbejde," sagde Feng. "Ved hjælp af maskinlæring udtrak og optimerede vi kombinationerne ved hjælp af et storstilet datasæt og etablerede en proteinbaseret demensforudsigelsesmodel med høj nøjagtighed."

Holdet vil nu fokusere på at udføre dataindsamling og krydsvalidering blandt befolkningsgrupper med risiko for demens i Kina. De vil skræddersy modellen til forudsigelse af demensrisiko, så den passer til den kinesiske befolknings karakteristika ved at indsamle relevante data.