摘要： 一项大型跨学科研究将阿尔茨海默病研究焦点从大脑转向肠道。研究人员利用人工智能分析近10,000人的数据，发现常见生活事件，特别是阑尾切除和长期饮食模式，是该疾病最强预测因素之一。研究表明肠道微生物组充当大脑的主要防线，其数十年的破坏可能是最终触发神经退行性变的原因。
关键事实
- 阑尾关联： 令人惊讶的是，阑尾切除者显示出显著升高的阿尔茨海默病风险。研究人员认为阑尾作为有益细菌的"储存库"，可在疾病后补充肠道菌群。
- 微生物耗竭： 阿尔茨海默病患者表现出产生短链脂肪酸的细菌严重耗竭，这些物质对维持肠道屏障和抑制大脑炎症至关重要。
- 模式而非营养素： 人工智能模型发现，整体饮食模式（富含植物蛋白、乳制品和欧米茄-3的饮食）比任何单一维生素或补充剂更能预测大脑健康。
- 预测性筛查： 研究利用机器学习分析120多种日常因素，创建了低成本社区级筛查工具的框架，可在认知症状出现前识别风险。
来源： 悉尼科技大学
全球有超过5500万人受阿尔茨海默病影响，预计到2050年这一数字将接近三倍。长期以来，人们认为这是一种发生在大脑中的疾病：有毒蛋白的缓慢积累、神经元的逐渐丧失、在思维中展开的悲剧。
但悉尼科技大学与麻省总医院/哈佛医学院的一项新的合作跨学科研究指向了完全不同的地方：肠道。
在这项使用人工智能分析近10,000人数据的最大规模多模态机器学习研究之一中，UTS研究团队分析了120多种日常因素，包括饮食、病史、肠道细菌和生活方式，以确定哪些因素与阿尔茨海默病风险关联最强。这一成果可能催生一个AI框架，可作为低成本社区级筛查工具部署。
改变格局的阑尾发现
"研究中最出乎意料的结果可能也是最具揭示性的，"项目联合负责人、UTS可视化研究所复杂社会技术系统专家Kaveh Khalilpour副教授说，"那些曾进行阑尾切除的人——世界上最常规的外科手术之一——显示出显著升高的阿尔茨海默病风险，在整个分析中成为最强贡献因素之一。"
"我们推测它作为有益肠道细菌的储存库发挥作用。当它被移除时，微生物组失去关键的恢复机制，即在疾病、感染或抗生素使用后补充健康微生物群落的能力，"他说。
数十年来，这种破坏可能不断累积，使肠道逐渐失去保护大脑免受与神经退行性变相关的炎症信号的能力。
"这一发现特别引人注目，因为它表明长期大脑健康可能受早期生活经历的影响，这些经历通过其对肠道微生物组的持久影响塑造了大脑健康，"博士研究员Tallat Jabeen说。
"它重新定义了我们对阿尔茨海默病风险的思考，不是随着老年而到来的东西，而是悄然积累一生的东西。"
饮食：驱动因素，而非仅仅是信号
饮食模式也被确定为阿尔茨海默病风险的最强预测因素之一，突显了日常习惯对塑造大脑健康的作用。
"研究发现，整体饮食模式比个别营养素更具信息价值，"Khalilpour说，"富含植物蛋白、乳制品、欧米茄-3脂肪酸和全食物的饮食始终与较低的阿尔茨海默病风险相关。而以加工食品、精制糖和饱和脂肪为主的饮食则明显指向相反方向。"
"值得注意的是，整体饮食模式优于个别营养素测量，这意味着重要的不是一个单一的维生素或补充剂，而是一个人多年甚至几十年饮食习惯的累积、日常效应。"
乳糖摄入量成为一个特别突出的独立信号，较高的乳制品消费与较低的预测风险相关，这可能反映了肠道微生物组对发酵和富含乳制品食物的反应，以及钙已知的神经保护特性。
"这意味着：如果饮食促成神经退行性变，它也可能潜在地帮助预防它，"该项目的合作者、麻省总医院和哈佛医学院助理教授Ali Zomorrodi说。
肠脑轴：一切连接之处
为了理解这些关联背后的生物机制，研究团队分析了同一队列中参与者的肠道微生物组数据。他们发现阿尔茨海默病患者中存在持续且显著的微生物紊乱现象。
"负责产生短链脂肪酸的有益细菌显著减少，这些化合物维持肠道的保护屏障并积极抑制神经炎症，"项目负责人、UTS计算机科学学院高级讲师Faezeh Karimi博士说。
"微生物多样性降低。取而代之的是更具炎症性的微生物环境，似乎能够通过肠脑轴直接向大脑发送有害信号。"
这是将研究发现联系在一起的生物线索。饮食塑造肠道微生物组。微生物组通过肠脑轴持续与大脑沟通。
当这种微生物群落受到破坏时——无论是由于数十年的不良饮食、阑尾缺失还是其他医疗事件——大脑可能会失去抵御神经退行性变的最重要防线之一。
关于预防的新思考方式
使这项研究特别重要的，是它对预防的启示。
Karimi指出，与遗传风险因素不同，研究中确定的驱动因素（饮食、肠道健康、心血管状况和手术史）存在于可以干预的时间线上。
"在任何认知症状出现前早期识别高风险个体，为行动创造了窗口期：改变饮食、靶向微生物组治疗和更好的心血管管理。一旦阿尔茨海默病已经显现，这个窗口会急剧缩小，"她说。
"举例说明实际应用：想象一位老年人，因阑尾炎切除了阑尾，一生中大部分时间食用低乳制品、高糖饮食，目前没有任何记忆问题。
"当他们的常规问卷输入AI模型时，这些因素将显示升高的阿尔茨海默病风险。简单的饮食改变，更多植物蛋白、更多鱼类、更少糖——可以开始恢复其大脑所依赖的肠道平衡。
"通过长期研究进行进一步验证是必要的下一步。但证据方向很明确：阿尔茨海默病可能根本不是从大脑开始的。它可能在肠道中悄然开始，比我们想象的早许多年，由我们吃的食物、携带的细菌和一生积累的医疗史塑造。"
关键问题解答：
问：如果我做过阑尾切除手术，我应该担心吗？
答：阑尾切除是一个风险因素，而非疾病保证。研究表明，失去阑尾移除了你肠道健康的"备份"。你可以通过更有意识地关注饮食和肠道微生物组来维持阑尾原本会储存的健康细菌，从而进行补偿。
问：为什么研究特别强调乳制品和乳糖？
答：高乳制品消费被发现是一个强有力的保护信号。研究人员认为这是由于钙的神经保护特性和肠道微生物组对发酵和富含乳制品食物的反应相结合所致。
问：肠道问题如何变成大脑问题？
答：这称为肠脑轴。当肠道失去"好"细菌时，保护屏障减弱。这允许炎症信号直接从肠道传送到大脑，在几十年内逐渐导致神经元丧失。
编辑备注：
- 本文由神经科学新闻编辑编辑。
- 审查了全文期刊论文。
- 我们的工作人员添加了额外背景。
关于这项阿尔茨海默病研究的新闻
作者： Jen Mansell
来源： 悉尼科技大学
联系人： Jen Mansell – 悉尼科技大学
图片： 图片由神经科学新闻提供
原始研究： 开放获取。
"多模态机器学习和肠道微生物组通路分析用于阿尔茨海默病风险预测"，Tallat Jabeen, Faezeh Karimi, Ali R. Zomorrodi, Kaveh Khalilpour，《阿尔茨海默病与痴呆：诊断、评估与疾病监测》
DOI:10.1002/dad2.70340
摘要
多模态机器学习和肠道微生物组通路分析用于阿尔茨海默病风险预测
介绍
早期阿尔茨海默病(AD)风险评估需要可替代侵入性生物标志物的便捷方法。我们开发了一个多模态机器学习框架，使用具有同步微生物组测序数据的参与者的问卷元数据。
方法
我们分析了9832名参与者，涵盖五个类别（人口统计、饮食、生活方式、营养、医疗）的120个元数据特征。通过皮尔逊相关和卡方检验选择特征。使用10折交叉验证和合成少数类过采样技术(SMOTE)训练四种算法，在1967个样本上验证。来自同一队列的2000个样本的16S rRNA测序数据使微生物组组成分析成为可能。
结果
病史（曲线下面积[AUC]=0.871）和饮食模式（AUC=0.874）表现最佳，优于人口统计（0.795）、生活方式（0.660）和营养（0.569）领域（p<0.001）。微生物组分析揭示了失调标志物（普雷沃菌/拟杆菌比率：1.921），将饮食因素与潜在的神经炎症通路联系起来。
讨论
这些发现支持非侵入性多模态筛查，结合医疗和饮食评估用于AD风险分层，初步微生物组证据表明肠-脑轴失调作为潜在机制途径，值得在更大队列中验证。
【全文结束】
