图片来源：Unsplash+
对许多家庭而言，收到痴呆症诊断只是充满不确定性的漫长旅程的开始。医生可能会诊断为阿尔茨海默病、帕金森病或其他形式的痴呆症，但实际情况往往更为复杂。不同的脑部疾病可能产生相似的症状，许多患者同时受到多种疾病的影响。
由于这些挑战，医生并不总是能准确判断一个人患有的痴呆症类型。这种不确定性可能影响治疗决策、患者护理以及临床试验的参与。多年来，研究人员一直在寻找更好的诊断工具，而一项新研究表明，人工智能可能提供解决方案。
圣路易斯华盛顿大学医学院的科学家们开发了一种基于人工智能的血液检测方法，能够以显著的准确性识别多种主要的痴呆症病因。他们的研究成果发表在《阿尔茨海默病与痴呆症》期刊上，展示了未来痴呆症诊断的可能方向。
研究团队聚焦于四种常见的神经退行性疾病：阿尔茨海默病、帕金森病、额颞叶痴呆和路易体痴呆。这些疾病会逐渐损害脑细胞，常常导致记忆问题、运动困难、个性改变或思维障碍。
一个主要问题是症状经常重叠。例如，记忆丧失可能出现在多种类型的痴呆症中，而运动问题可能同时出现在帕金森病和路易体痴呆中。这种重叠使得诊断变得困难，尤其是在疾病的早期阶段。
这种新方法依赖于作为大脑内疾病活动生物指纹的血液蛋白质。研究人员选择了15种反映炎症、神经细胞损伤以及与痴呆症相关的异常蛋白质积累等过程的蛋白质。
研究团队使用从3200多名个体收集的血液样本，训练了一个能够识别特定疾病模式的人工智能系统。参与者包括健康成年人以及被诊断患有各种神经退行性疾病的患者。
机器学习算法分析了大量数据，识别出人类难以察觉的蛋白质变化的微妙组合。随着时间推移，人工智能学会了如何区分一种疾病与另一种疾病。
为了测试系统的可靠性，研究人员使用另一组225人的数据进行评估，这些人的大脑在死后得到了检查。这提供了一个独特的机会，可以将人工智能的预测与大脑中实际发生的疾病过程进行比较。
结果令人印象深刻。人工智能系统以92.3%的总体准确率正确识别了疾病模式。预测结果与临床诊断和尸检中观察到的病理发现高度吻合。
或许最令人兴奋的发现是该系统检测混合疾病状态的能力。许多老年人并非只患有一种形式的痴呆症。相反，他们可能同时患有阿尔茨海默病、与帕金森病相关的改变以及其他形式的脑部退化。
传统的诊断工具常常忽略这些组合。然而，人工智能系统能够识别同时发生的多种疾病的生物学证据。这有助于解释为什么一些患者对治疗的反应不同或经历意想不到的症状。
这种血液检测在做出明确诊断之前识别疾病变化方面也显示出前景。对于轻度认知障碍患者，人工智能的预测通常与尸检中后来发现的与疾病相关的脑部病理程度相符。
研究人员认为，这种能力最终可能使医生能够在疾病过程中更早地进行干预。随着新治疗方法的出现，早期诊断变得越来越重要，因为这些方法可能在广泛的脑损伤发生前效果最佳。
除了患者护理外，这项技术还可能改善痴呆症研究。临床试验依赖于准确识别患有特定疾病的患者。低成本的血液检测可以使参与者选择更快、更容易且更准确。
尽管结果令人鼓舞，但研究人员警告称，该检测仍处于实验阶段。仍需要进行涉及不同人群的更大规模研究，科学家们需要确定该系统在多年随访中的表现。
尽管如此，专家们认为这些发现代表了一项重大进展。痴呆症诊断传统上依赖于症状、认知测试、脑部成像，有时还包括脑脊液分析。一种准确的血液检测将侵入性小得多，在常规医疗实践中也更容易使用。
研究分析：这项研究之所以突出，是因为它将先进的人工智能与从简单血液样本中测量的生物标志物结合起来。使用3200多名参与者和经尸检确认的验证加强了对研究结果的信心。
识别混合形式痴呆症的能力可能特别有价值，因为许多患者患有当前诊断方法无法识别的重叠脑部疾病。
尽管在临床实施前还需要额外的验证，但研究表明，基于血液的人工智能诊断未来可能成为个性化痴呆症护理的重要工具。
【全文结束】