一项强大的新型真实世界数据平台可能改变科学家预测和理解阿尔茨海默病及其相关痴呆症的方式，这是哥伦比亚大学梅尔曼公共卫生学院与瓦格洛斯内外科医学院、护理学院以及迈阿密大学和芝加哥大学合作者的一项新研究报告。
该项目被称为M3AD研究和真实世界数据元平台，是迄今为止最全面的研究之一，旨在利用大规模临床数据推进精准衰老研究，并加速阿尔茨海默病预防和护理方面的发现。该研究发表在《阿尔茨海默病与痴呆症》期刊上。
该平台利用来自美国三个城市的电子健康记录，包括约6万名阿尔茨海默病及相关痴呆症患者，使研究人员能够追踪多种慢性疾病、行为和社会状况如何随时间相互作用以影响痴呆风险，创建了有史以来为研究痴呆症而汇编的最庞大、最全面的数据集之一。
与仅检查有限数量个体疾病的传统研究不同，该平台同时并随时间分析相互作用的健康状况、行为和社会因素，从而捕捉衰老和多重病症的全部复杂性，并改进对痴呆风险和进展的预测。
“随着人们寿命延长，慢性疾病越来越多地同时发生，产生了复杂的健康轨迹，而传统的逐个疾病研究难以轻易捕捉，”流行病学副教授、通讯作者Moise Desvarieux医学博士、公共卫生博士说。“这个新平台通过整合和协调来自纽约市、芝加哥和迈阿密三大主要医疗系统近1000万患者（包括约6万名阿尔茨海默病及相关痴呆症患者）的电子健康记录，解决了这一挑战。”
这项研究的动机源于美国痴呆症日益扩大的规模。超过720万美国老年人患有阿尔茨海默病，其中约35%的人年龄在85岁及以上。同时，患有两种或两种以上慢性病的多重病症影响了近90%的60岁以上成年人，使诊断、治疗和护理复杂化。该倡议挑战了长期以来将痴呆症视为单一、孤立疾病的观点。“阿尔茨海默病及相关痴呆症并非孤立发生，”Desvarieux指出，“它们源于多种疾病、行为、表观遗传学和生活环境之间复杂的相互作用，这些因素随时间相互影响。”
“电子健康记录使我们能够分析这些跨越数十年护理的相互作用轨迹。通过检查纵向临床病史，该平台可能有助于识别此前未被认识的痴呆症早期预警信号，同时捕捉患者生活的更广泛背景，”合著者、哥伦比亚大学生物医学信息学Vivian Beaumont Allen教授George Hripcsak医学博士、理学硕士表示。
这个三城市联盟包括：纽约长老会医院临床数据仓库，拥有来自约600万患者的32年数据，其中包括3.3万名阿尔茨海默病及相关痴呆症患者；芝加哥大学临床研究数据仓库，捕获了来自超过200万患者的数据，其中包括1.1万名阿尔茨海默病及相关痴呆症患者；以及迈阿密大学健康系统，约有140万患者，其中包括1.3万名阿尔茨海默病及相关痴呆症患者。这些数据集共同构成了一个多族裔人群，涵盖白人、黑人、西班牙裔和亚裔，使研究人员能够研究不同人群中的痴呆风险。
该项目还整合了先进的分析方法，包括机器学习模型和一个联邦平台，允许各机构在保护隐私的同时进行协作数据分析。“这些模型可以扩展，以整合额外的真实世界数据源，包括影像学、遗传信息以及在识别过程中的新型生物标志物，”合著者、芝加哥大学人口与精准健康研究所所长、Louis Block杰出服务教授Habibul Ahsan医学博士、医学科学硕士补充道。
“医学传统上侧重于治疗单个器官和疾病，”合著者、迈阿密大学神经学教授、Evelyn F. McKnight脑研究所所长Tatjana Rundek表示。“但衰老不仅仅关乎一种状况，而是关乎多种健康问题随时间相互作用。要真正理解和预防痴呆症，我们需要在症状出现之前就着眼于整个人，”Rundek继续说道。“这项开创性研究为我们提供了一个独特的机会来发现痴呆症的早期迹象，提供可能改变真实世界护理的见解，特别是对于同时应对多种健康挑战的个体而言。”
该平台还整合了诸如电子健康记录阿尔茨海默病和痴呆症风险评估规则（eRADAR）等预测工具，这是一种利用常规电子健康记录数据来识别可能存在未确诊痴呆症并应接受进一步临床评估的个体的算法。除了预测，该平台还将允许研究人员在真实世界人群中测试预防假说——例如，中年时期戒烟、保持健康体重和控制血压如何影响晚年的认知衰退。通过将临床数据与社区层面的背景和社会因素联系起来，该倡议还创建了一个连接流行病学、神经学、生物统计学、信息学、机器学习和社会科学的跨学科研究环境。
“我们还将这些临床数据嵌入到社区人口普查区信息中，使我们能够研究社会和环境条件如何随时间塑造阿尔茨海默病的风险和进展，”合著者、James S. Jackson健康长寿流行病学教授、哥伦比亚老龄化中心临时主任Allison Aïello博士补充道。“我们的多学科方法创建了一个动态平台，以改进风险预测，指导复杂的临床管理，并在真实世界环境中评估阿尔茨海默病的未来治疗方法，”研究人员表示。
【全文结束】