瑞典隆德大学的研究人员表示，一种人工智能模型能够从单一血样中检测出多种神经退行性疾病。
神经退行性疾病是指脑细胞逐渐退化的疾病，如阿尔茨海默病和帕金森病。
不同的疾病可能表现出相似的症状，使其难以区分，尤其是在认知衰退的早期阶段。
患者大脑中也可能同时存在多种重叠的疾病过程。
该新模型基于来自17,000多名患者和对照参与者的蛋白质测量数据进行训练，使用了其创建者描述的"世界上最大的神经退行性疾病蛋白质组学数据库"。
隆德大学助理教授、研究小组负责人、战略研究领域MultiPark成员Jacob Vogel表示："我们希望未来能够通过单一血液检测准确诊断多种疾病。"
研究人员Vogel和Lijun An，以及来自瑞典BioFINDER研究和全球神经退行性蛋白质组学联盟的同事们共同开发了这一AI模型。
蛋白质组学是对血液等生物样本中蛋白质的大规模研究，可以揭示有关疾病发展过程的线索模式。
该模型采用先进的统计学习方法和一种称为"联合学习"的过程，即AI同时分析多种疾病的跨条件数据，从而识别出一组形成脑退化相关疾病的通用模式的蛋白质。
研究人员表示，该模型在诊断五种与痴呆相关的疾病方面优于先前的模型，这些疾病包括：阿尔茨海默病、帕金森病、ALS（一种攻击控制运动的神经细胞的疾病）、额颞叶痴呆（一种影响大脑前部和侧面的痴呆形式）以及既往中风。
研究人员称，这些结果已在多个独立数据集上得到验证。
该研究的第一作者Lijun An表示："我们还发现，蛋白质谱比临床诊断更能预测认知衰退，而且具有相同临床诊断的个体可能具有不同的潜在生物亚型。"
许多被诊断为阿尔茨海默病的个体表现出与其他脑部疾病更为相似的蛋白质模式。
Vogel表示："这可能意味着他们有不止一种潜在疾病，阿尔茨海默病可能有多种发展方式，或者临床诊断不正确。
"然而，我认为仅靠当前的血液样本蛋白质测量不足以诊断多种疾病，我们需要改进该方法并将其与其他临床诊断工具相结合。"
他补充说，诊断并不是该模型的唯一潜在应用。许多对模型有贡献的蛋白质指出了可以改进对这些神经退行性疾病驱动生物过程理解的领域。
下一步是使用质谱等先进方法纳入更多蛋白质组学标记物，质谱是一种通过质量识别和测量分子的技术，以识别每种疾病的独特模式。
Vogel表示："我们希望逐步接近一种无需其他临床仪器辅助即可对各种疾病进行可靠诊断的血液检测方法。"
【全文结束】