全球有数百万人受痴呆症影响，然而获得准确诊断仍是脑健康领域最大的挑战之一。
多种类型的痴呆症症状相似，包括记忆力减退、思维混乱、思考困难和行为变化。因此，医生常常难以确定究竟是哪种疾病导致了患者的症状。
挑战变得更加严峻，因为多种脑部疾病可能同时发生。患者可能同时患有阿尔茨海默病和帕金森病或其他神经退行性疾病。然而，目前的诊断工具通常设计为一次只能识别一种疾病，难以全面把握病情。
圣路易斯华盛顿大学医学院的研究人员现已开发出一种有前景的新方法。他们利用人工智能和简单的血液检测，创建了一种能够以令人印象深刻的准确率区分痴呆症几种主要病因的工具。相关发现已发表在《阿尔茨海默病与痴呆症》期刊上。
这套新系统专注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。它还能将这些疾病与正常的年龄相关认知变化区分开来。
该工具最重要的特点之一是能够识别同一人身上是否同时发生多种疾病过程。这在老年人中很常见，但在常规医学评估中常常被忽略。
根据高级研究员卡洛斯·克鲁查加博士(Dr. Carlos Cruchaga)的说法，目标是超越简单的"是或否"诊断。新系统不会简单地告诉医生患者是否患有阿尔茨海默病，而是提供关于可能同时发生的多种疾病过程的信息。
为了创建这项检测，研究人员选择了15种可在血液中测量的蛋白质。这些蛋白质作为生物信号，反映了大脑内部的情况。有些与阿尔茨海默病相关，而另一些则与神经损伤、炎症或脑细胞间连接的丧失有关。
研究团队使用了来自3200多名个体的血液样本。这些参与者包括被诊断为阿尔茨海默病、帕金森病、额颞叶痴呆、路易体痴呆的患者，以及没有认知障碍的健康个体。
随后，人工智能被训练来识别蛋白质数据中的模式。通过分析这些模式，系统学习了不同疾病如何影响血液中的蛋白质水平。
研究人员随后在另一组225人身上测试了该AI系统。这些个体生前接受过认知评估，死后对其大脑进行了检查。这使得研究人员能够将AI的预测与在脑组织中发现的实际疾病变化进行比较。
结果非常令人鼓舞。该系统在识别单一神经退行性疾病患者时，总体诊断准确率达到92.3%。更重要的是，它展示了检测混合疾病模式的能力，而这往往是标准临床评估所遗漏的。
该工具在轻度认知障碍或神经系统诊断不明确的患者中也表现出色。在这些情况下，AI的预测与后来在尸检中确认的疾病相关脑部变化程度非常吻合。
例如，一些生前被诊断为帕金森病的患者在死后显示出与阿尔茨海默病相关的大脑变化。AI系统通常能够在患者仍然活着时检测到这些隐藏的类似阿尔茨海默病的模式。
这种能力可能极为宝贵，因为治疗方法可能因涉及的疾病而异。更全面的诊断可以帮助医生就药物、监测和未来护理计划做出更好的决策。
该技术还可能加速研究。临床试验常常失败，因为参与者尽管症状相似，但潜在疾病不同。一种能准确识别疾病类型的血液检测可以帮助研究人员将合适的患者纳入合适的研究。
研究人员强调，该检测尚未准备好用于日常临床使用。需要进行涉及更大、更多样化人群的更多研究。科学家还需要长期跟踪患者，以确定该检测在预测未来疾病进展方面的效果。
尽管如此，这些发现代表了向痴呆症精准医学迈进的重要一步。当前的诊断方法通常需要昂贵的脑部扫描、脑脊液检测或冗长的评估。一种简单的血液检测可以使高级诊断更快捷、更便宜且更广泛可用。
研究分析：这项研究最大的优势之一是参与者数量众多，并使用了经尸检确认的诊断，这为评估准确性提供了高度可靠的方法。识别多种重叠疾病的能力尤为重要，因为混合型痴呆在老年人中很常见。
尽管在临床应用前还需要进一步验证，但92.3%的准确率与实际脑部病理的高度相关性表明，该技术有巨大潜力改善痴呆症诊断并为未来治疗提供个性化方案。
来源：圣路易斯华盛顿大学医学院。
【全文结束】
