科学家找到预测痴呆症的方法

上海科学家利用海量数据库和人工智能，发现了血浆中的生物标记物，可以 预测痴呆症 症状出现前 15 年。

科学家表示，他们的研究成果可能对罹患该疾病高风险的健康成年人的早期干预发挥重要作用。

2月13日，复旦大学类脑智能科学与技术研究院和华山医院团队在《自然·衰老》杂志上发表了这项研究的论文。

《自然》杂志同日发表的一篇社论称，研究人员的工作“朝着科学家几十年来一直在寻找的工具的开发迈出了一步： 血液检查 可以在非常早期的症状出现之前就检测出阿尔茨海默病和其他形式的痴呆症”。

医生们表示，诊断脑部疾病通常很困难。腰椎穿刺是一种侵入性检查，而且脑部影像检查费用昂贵。相比之下， 血液检查 该论文的共同作者、该研究所的研究员程伟说，这种方法方便、无创、成本低。

复旦大学的科学家表示，他们希望通过血液检测预测痴呆症的可能性能在六个月内应用于临床。早期发现痴呆症为早期干预打开了大门，有可能减缓甚至阻止其进展。

据世界卫生组织统计，全球有超过5500万人患有痴呆症，预计这一数字还将继续上升。痴呆症进展缓慢，从无症状阶段发展到完全表现为临床症状，需要十年或更长时间。

复旦大学计算生物学家、该论文的另一位合著者冯建锋说：“当患者开始出现认知行为问题时，这种疾病可能已经发展到中晚期，最佳干预时机已经错过。”

研究人员借助了英国生物样本库的庞大队列研究，该队列招募了超过52600名健康成年人，平均随访期为14年。其中，1417人被诊断患有全因痴呆症，691人患有阿尔茨海默病，285人患有血管性痴呆症。

对于每位参与者，研究人员检测了血浆中1,463种与心脏代谢、炎症、神经学和肿瘤学相关的蛋白质，并利用生存关联分析和机器学习算法进行建模分析。

他们发现三种蛋白质——GFAP、NEFL 和 GDF15——与这三种类型的痴呆症风险存在显著关联。他们还发现蛋白质 LTBP2 在该疾病的发病过程中发挥着作用。

这些生物标志物以及年龄、性别、教育水平和遗传等常规风险因素有助于提高预测模型的准确率，超过 90%。

“我们的研究很好地展现了人工智能如何促进跨学科合作的研究范式，”冯教授说道。“我们利用机器学习，从大规模数据集中提取并优化了组合，并建立了基于蛋白质的高精度痴呆症预测模型。”

团队将重点在中国痴呆症高危人群中进行数据收集和交叉验证，通过收集相关数据，制定符合中国人群特征的痴呆症风险预测模型。