加州大学洛杉矶分校健康科学的研究人员通过分析电子健康记录，识别出四条通向阿尔茨海默病的明确路径，为理解这种疾病的发展提供了新视角——它并非由单一风险因素引起，而是一个逐步发展的过程。
这项研究发表在《eBioMedicine》杂志上，研究人员分析了来自加州大学健康数据仓库的近25,000名患者的纵向健康数据，并在具有全国代表性的“全民研究计划”（All of Us Research Program）中验证了研究结果。与以往专注于单一风险因素的研究不同，加州大学洛杉矶分校的分析绘制了顺序性的诊断模式，揭示了疾病如何一步步发展为阿尔茨海默病。
“我们发现，多步骤的疾病轨迹比单一病症更能提示阿尔茨海默病的风险因素，”该研究的第一作者、加州大学洛杉矶分校医学信息学博士前研究员明舟·傅（Mingzhou Fu）表示。“理解这些路径可能会从根本上改变我们对早期检测和预防的看法。”
研究识别出四种主要的疾病发展轨迹：
- 心理健康路径：精神疾病导致认知能力下降
- 脑病路径：大脑功能障碍随时间恶化
- 轻度认知障碍路径：认知能力逐渐下降
- 血管疾病路径：心血管疾病增加痴呆风险
每条路径都显示出不同的人口统计学和临床特征，表明不同人群可能容易通过不同的路径发展为阿尔茨海默病。
研究发现，约26%的疾病发展过程显示出一致的方向性顺序。例如，高血压通常先于抑郁发作，而抑郁又增加了阿尔茨海默病的风险。
“识别这些顺序模式，而不是孤立地看待诊断结果，可能有助于临床医生提高阿尔茨海默病的诊断水平，”加州大学洛杉矶分校健康中心神经学助理教授、研究通讯作者蒂莫西·张（Timothy S. Chang）医生表示。
当在独立人群中进行验证时，这些多步骤轨迹比单一诊断更能准确预测阿尔茨海默病的风险。这表明医疗保健提供者可以利用这些轨迹模式进行：
- 增强风险分层：在疾病发展的早期识别高风险患者
- 定向干预：在有害序列发展之前加以阻断
- 个性化预防：根据个体的路径模式定制预防策略
在“全民研究计划”中的验证——一个具有多样性、全国代表性的人群——确认了这些轨迹模式适用于不同的人群和人口统计学特征。
研究团队分析了5,762名患者，共识别出6,794条独特的阿尔茨海默病进展轨迹。研究人员使用了包括动态时间规整、机器学习聚类和网络分析在内的先进计算方法，绘制出导致阿尔茨海默病的各种诊断之间的时间关系。
研究资助来源包括美国国立卫生研究院（NIH）国家老龄化研究所（NIA）的R01AG085518-01A1、K08AG065519-01A1、UH2AG083254等多项基金。部分研究人员还获得了加州公共卫生部（CDPH）阿尔茨海默病项目、美国国家神经疾病和中风研究所（NINDS）以及加州大学洛杉矶分校临床与转化科学研究所的资金支持。此外，研究还得到了加州大学健康数据驱动洞察与创新中心（CDI2）的分析和技术支持。
【全文结束】
