核心发现
- 研究人员通过分析捐献眼组织中的细菌感染、炎症标志物和毒性蛋白，以94%的准确率识别阿尔茨海默病，但该成果尚未在活体患者中验证。
- 阿尔茨海默病患者视网膜中的肺炎衣原体细菌含量约为认知正常者的三倍，该感染会触发炎症反应进而加剧脑部病变。
- 机器学习模型仅凭眼部特征即可预测疾病严重程度，为未来开发无创筛查技术提供可能，使阿尔茨海默病在症状出现前被及早发现。
- 部分认知健康者眼部已呈现高细菌负荷和炎症标志物，提示可能存在早期干预窗口，但需更多研究确认其是否预示未来认知衰退。
医生正在探索是否未来仅需简单眼部检查即可预测阿尔茨海默病，无需依赖脑部扫描或腰椎穿刺。
塞达斯-西奈医学中心研究人员开发出结合眼部成像与人工智能的方法，通过分析捐献组织样本中的痴呆预警信号，以94%的准确率区分死亡时认知正常、轻度认知障碍或患有阿尔茨海默病的个体。该准确率基于14例小样本的尸检眼组织分析得出，尚未在活体患者中验证。
这一发现为阿尔茨海默病早期检测开辟新路径。当前患者出现记忆问题时，大脑往往已遭受严重损伤。若能在活体眼中检测到相同生物标志物，或可及早识别高风险人群并实施干预，例如使用延缓或阻止疾病进展的药物。
隐藏的意外元凶
对104例已故捐献者的研究发现，阿尔茨海默病患者视网膜中的肺炎衣原体细菌含量（脑组织样本中达四倍）约为认知正常者的三倍。这种常见呼吸道细菌——肺炎衣原体，正是引发肺炎和鼻窦感染的病原体。
玛雅·科罗尼奥-哈莫伊团队发现细菌簇嵌入视网膜细胞内部，尤其在痴呆患者中更为显著。更引人注目的是，部分认知健康者眼部也呈现高细菌负荷，表明感染可能在症状出现前已存在，但并非所有携带该迹象者都会发展为痴呆。
当研究人员在实验室用肺炎衣原体感染人脑细胞时，细胞产生的β-淀粉样蛋白（阿尔茨海默病脑内斑块的主要成分）增加数倍。受感染细胞还表现出严重损伤，死亡率接近未感染细胞的四倍。
在本身具有阿尔茨海默病遗传倾向的小鼠中，单次细菌感染使病情全面恶化。暴露六个月后，感染小鼠脑内斑块更多，且在记忆测试中表现远逊于同基因风险的未感染小鼠。
这种细菌并非静止存在：它会激活细胞内的炎症警报系统，加剧疾病进程。这形成恶性循环——炎症损伤组织后吸引更多免疫细胞，进而引发更多炎症。同时，大脑的"清洁工"（负责清除碎片和病原体的小胶质细胞）不堪重负，无法维持正常功能。
检测技术原理
突破性进展来自机器学习技术。研究人员训练人工智能模型分析眼组织的多重指标：细菌负荷、炎症标志物和毒性蛋白。仅凭细菌水平检测效果中等，但结合视网膜β-淀粉样蛋白测量数据后，区分三组人群的准确率达94%。
针对轻度认知障碍的识别准确率有所下降，凸显大规模纵向研究的必要性。该模型还能仅凭眼部特征预测疾病严重程度——更高细菌负荷与更严重的脑萎缩及更差的认知测试成绩相关。
从实验室到临床
发表在《自然通讯》的这些发现能否转化为活体患者的常规眼部检查仍是未知数。研究人员需开发非侵入式检测技术。多个团队正研发专用视网膜相机和荧光染料以标记问题蛋白，部分技术已成功在活体人眼中成像β-淀粉样蛋白沉积。
时间窗口问题尤为关键。研究中三名认知正常的女性呈现阿尔茨海默病典型的细菌和炎症模式，其大脑也存在疾病相关病理变化，尽管记忆和思维能力完好。这提示眼部扫描或可识别处于衰退临界点的人群（治疗的关键窗口期），但需活体研究进一步验证。
现有治疗方案可能已有成效。台湾一项大型观察性研究发现，接受肺炎衣原体感染适当抗生素治疗的肺炎患者，晚年阿尔茨海默病发病率低于未充分治疗者。该研究虽未证实抗生素可预防阿尔茨海默病，但表明充分治疗与较低风险相关。常用于呼吸道感染的阿奇霉素展现出特别积极的关联。
制药公司也在开发阻断细菌触发的炎症警报系统的药物，其中多款抗炎药已进入其他疾病的临床试验阶段。
宏观视角
约80%的60岁以上人群携带肺炎衣原体抗体，表明曾有暴露史，但并非所有人都会发展为痴呆。该细菌更像"助燃剂"而非"火种"：它会加剧因年龄、基因或早期脑蛋白沉积本已脆弱人群的损伤。
这意味着盲目使用抗生素既不合理，还可能助长耐药性。医生亟需更精准识别哪些患者的活跃感染正驱动疾病进展，以及谁真正能从治疗中获益。
若该技术能在活体患者中验证，眼部成像或可发挥关键作用。研究人员正计划开展长期追踪研究，观察眼部变化如何预测痴呆发展。
若后续研究取得突破，眼部扫描未来或可与其他筛查工具互补，成为常规护理的简易补充手段，在疾病尚有干预余地的早期阶段发出预警。
免责声明：本文报道的研究基于尸检组织样本的早期阶段成果，尚未在活体患者中验证，目前不存在基于此研究的临床诊断工具。研究的机器学习模型在小样本量基础上开发测试。读者不应将这些发现视为可立即实施的医疗建议。任何担忧阿尔茨海默病风险者，应咨询医疗保健提供者了解当前可用的筛查和预防策略。
研究局限性
部分分析的样本量仍相对较小，特别是脑组织标本和轻度认知障碍组。所有人类数据来自尸检，无法追踪时序变化或确立明确因果关系。机器学习模型对轻度认知障碍的识别准确率低于阿尔茨海默病痴呆或正常认知。研究人员无法确定感染初始时间或细菌负荷反映的是近期暴露还是数十年前的感染。机器学习测试集仅含14名受试者，限制了预测准确率发现的普适性。
资金与披露
研究获得美国国立卫生研究院/国家衰老研究所基金R01AG056478、R01AG055865、AG056478-04S1及R01AG075998，以及阿尔茨海默病协会基金AARG-NTF-21-846586支持。额外资金来自Goldrich和Snyder基金会及Ray Charles基金会。合著者约瑟夫·科罗尼奥、基思·L·布莱克和玛雅·科罗尼奥-哈莫伊是NeuroVision Imaging公司的联合创始人，该公司开发视网膜成像技术，但未参与本研究的设计、数据收集、分析或论文撰写。
出版详情
作者：布哈克塔·普拉卡什·盖尔、约瑟夫·科罗尼奥、让-菲利普·维特等 | 期刊：自然通讯 | 出版日期：2026年1月22日 | 卷号：17，文章编号：771 | 机构：塞达斯-西奈医学中心（洛杉矶）、麦考瑞大学（悉尼）、拉什大学医学中心（芝加哥）、南加州大学（洛杉矶）及加州大学洛杉矶分校
【全文结束】
