新闻发布
2026年3月31日
新型人工智能模型可通过单次血样检测多种认知脑疾病
同行评审出版物
隆德大学
不同神经退行性疾病的症状特征常常重叠，诊断年龄相关的认知症状十分复杂。患者的大脑中可能同时存在多种重叠的疾病过程。如今，瑞典隆德大学的研究人员开发出一种人工智能模型，证明可以通过单次血液样本检测多种神经退行性疾病。该研究发表在《自然·医学》杂志上。
不同的神经退行性疾病可能表现出相似的症状，这使得区分它们变得困难，例如阿尔茨海默病和路易体病，尤其是在认知衰退的早期阶段。
“我们的希望是未来能够通过单次血检准确诊断多种疾病。”
现在，研究人员雅各布·沃格尔（Jacob Vogel）和李俊安（Lijun An）与瑞典BioFINDER研究及全球神经退行性疾病蛋白质组学联盟（GNPC，一个创建了世界最大神经退行性疾病蛋白质组学数据库的国际研究联盟）的同事合作，开发了一种能够同时检测多种疾病的人工智能模型。该模型基于来自超过17000名患者和对照参与者的蛋白质测量数据，这些数据收集自GNPC蛋白质组学数据库中的多个数据集，该数据库好的，继续翻译并补全剩余正文内容，以【全文结束】结尾。
该数据库是世界上最大的与神经退行性疾病相关的蛋白质数据库。“我们的希望是未来能够通过单次血检准确诊断多种疾病，”领导这项研究的雅各布·沃格尔说。他是瑞典隆德大学的助理教授、研究组负责人，也是战略研究领域MultiPark的成员。
利用先进的统计学习方法和一种称为“联合学习”的过程，研究人员的人工智能模型能够识别出一组特定的蛋白质，这些蛋白质形成了涉及脑部退行性疾病的通用模式。然后，这个学习到的模式被用于诊断不同的神经退行性疾病。沃格尔证实，他们的人工智能模型优于以往的模型，同时能够诊断五种不同的痴呆相关疾病：阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶痴呆和既往中风。
与类似研究相比，这项研究的不同之处在于，该模型的结果在多个独立数据集中得到了验证，研究人员表示。
“我们还发现，蛋白质谱比临床诊断更能预测认知衰退，而且似乎具有相同临床诊断的个体可能具有不同的潜在生物学亚型，”该研究的第一作者李俊安说。
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相似的蛋白质模式。
“这可能意味着他们患有一种以上的潜在疾病，或者阿尔茨海默病可以以多种方式发展，或者临床诊断是错误的。然而，我认为目前从血液样本中测量蛋白质本身不足以诊断多种疾病，我们需要改进方法，并将其与其他临床诊断工具结合，”雅各布·沃格尔说。
同时，他强调诊断并非他们模型的唯一应用。许多对人工智能模型有贡献的蛋白质指向了那些后续研究可以更好地理解这些神经退行性疾病背后疾病驱动过程的领域。
下一步是使用先进方法如质谱法纳入更多的蛋白质组学标志物，以识别每种疾病特有的模式。
“我们希望更接近一种无需其他临床仪器辅助就能可靠诊断多种疾病的血液测试，”雅各布·沃格尔说。
事实
全球神经退行性疾病蛋白质组学联盟（GNPC）
全球神经退行性疾病蛋白质组学联盟（GNPC）是一个国际研究合作组织，也是一个大型数据库，专注于研究与神经退行性疾病（如阿尔茨海默病和额颞叶痴呆）相关的蛋白质。GNPC创建了世界上最大的与神经退行性疾病相关的蛋白质数据库之一，使得能够系统分析大型数据集，加速生物标志物的发现并推动脑部疾病的研究。
蛋白质组学
蛋白质组学涉及研究关于所有蛋白质在收集的生物样本中如何表达的大型数据集。它揭示了蛋白质水平的独特模式——例如在血液样本中每种蛋白质的含量——这可以为研究人员提供关于生物功能以及疾病如何发展的重要线索。
期刊
《自然·医学》
DOI
10.1038/s41591-026-04303-y
研究方法
数据/统计分析
研究对象
人类
文章标题
一种用于诊断六种与痴呆相关疾病的深度联合学习蛋白质组学