科学家提出简单的眼部扫描或有助于预防认知能力下降
核心发现
- 研究人员通过分析捐赠的眼组织样本中的细菌感染、炎症标志物和毒性蛋白，以94%的准确率识别出阿尔茨海默病，但此方法尚未在活体患者中验证。
- 阿尔茨海默病患者眼部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从而加剧脑部病理损伤。
- 机器学习模型能仅凭眼部特征预测疾病严重程度，未来或可开发出在症状出现前捕捉阿尔茨海默病的无创筛查检测。
- 部分认知健康的受试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期，但需更多研究确认这是否预示未来认知衰退。
医生正在探索是否有一天仅需简单的眼科检查就能预测阿尔茨海默病，无需进行脑部扫描或脊椎穿刺。
西达赛奈医学中心的研究人员开发出结合眼部成像与人工智能的方法，通过分析捐赠组织样本中的痴呆预警信号，在区分认知正常、轻度认知障碍或阿尔茨海默病死者方面达到94%的准确率。该准确率基于14例小样本的尸检眼组织分析，尚未在活体患者中验证。
这一发现为阿尔茨海默病早期发现提供了新路径。目前当患者出现记忆问题时，大脑往往已遭受显著损伤。若能开发出在活体眼部检测这些标志物的方法，或可在仍有干预时机时识别高风险人群，例如通过延缓或阻止疾病进展的药物。
隐藏在眼皮下的意外元凶
对104名逝者的遗体研究发现，阿尔茨海默病患者视网膜中的常见呼吸道细菌含量约为认知正常者的三倍（在匹配的脑组织中达四倍）。元凶正是引发肺炎和鼻窦感染的同种病原体——肺炎衣原体。
玛雅·科罗尼奥-哈马奥博士团队在视网膜细胞内部发现了细菌集群，尤其集中于痴呆症患者。更引人注目的是，部分认知健康的受试者眼部也呈现高细菌负荷，表明感染可能在症状出现前就已存在，尽管并非所有携带此类标志物者最终都会发展为痴呆症。
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（阿尔茨海默病脑内形成斑块的粘性蛋白）增加数倍。受感染细胞还表现出严重损伤迹象，死亡率接近未感染细胞的四倍。
在原本就易患阿尔茨海默病样疾病的转基因小鼠中，单次细菌感染使病情显著恶化。接触细菌六个月后，感染组小鼠脑内斑块更多，在记忆测试中表现远差于同基因风险的未感染组。
这种细菌并非被动存在：它会触发细胞内的炎症警报系统，主动加剧疾病发展。这形成恶性循环——炎症损伤组织后吸引更多免疫细胞，导致更严重炎症。同时，大脑的"清洁工"（通常负责清除碎片和病原体的小胶质细胞）不堪重负，无法及时清理。
检测原理
突破性进展源于机器学习技术。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。仅观察细菌水平只能获得中等效果，但结合视网膜中β-淀粉样蛋白的测量数据后，模型区分三组受试者的准确率达到94%。
当专门识别轻度认知障碍时，模型性能有所下降，凸显开展更大规模纵向研究的必要性。模型还能仅凭眼部特征预测疾病严重程度——细菌负荷越高，脑萎缩程度越严重，认知测试得分越低。
从实验室走向临床
这项发表在《自然·通讯》的研究成果能否转化为活体患者的常规眼科检查仍是待解问题。研究人员需开发能无创检测这些标志物的技术。多个团队正在研发专用视网膜相机和荧光染料，以标记问题蛋白，部分已成功在活体人眼中成像淀粉样蛋白沉积。
时间窗口问题尤为关键。研究中有三位认知正常的女性，却呈现阿尔茨海默病患者典型的细菌和炎症模式。尽管记忆和思维能力完好，其脑组织已存在升高的疾病相关病理。这暗示眼扫描或许能捕捉到处于衰退临界点的人群（治疗的关键窗口期），但需在活体患者中进一步验证。
现有治疗方案可能已具潜力。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获充分治疗者。该研究不能证明抗生素可预防阿尔茨海默病，仅表明经治疗的感染与较低观察风险相关。常用于呼吸道感染的阿奇霉素显示出特别有希望的关联性。
制药公司也在开发阻断细菌触发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。
眼扫描可标记细菌 预防痴呆症
约80%的60岁以上人群携带针对肺炎衣原体的抗体，意味着曾暴露于该细菌，但并非所有人都会发展为痴呆症。该细菌更像"助燃剂"而非"火种"——它会放大因年龄、基因或脑内早期蛋白积聚而本已脆弱者的损伤。
这意味着广谱抗生素治疗不合理，且可能助长耐药性。医生需要更精准的方法识别哪些患者的活跃感染正在推动疾病发展，以及哪些人真正需要治疗。
若技术能在活体患者中得到验证，眼部成像将发挥关键作用。研究人员正计划开展纵向研究，追踪眼部变化如何预测谁会发展为痴呆症。
若这些研究取得成功，未来眼扫描或可作为常规诊疗的简单补充，与其他筛查工具协同工作，在问题尚可干预的关键早期阶段发出预警。
免责声明：本文报道基于尸检组织样本的早期研究。研究结果尚未在活体患者中验证，目前尚无基于此研究的临床诊断检测。研究的机器学习模型在小样本上开发测试。读者不应将这些发现解读为可立即执行的医疗建议。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
部分分析的样本量仍相对较小，特别是脑组织样本和轻度认知障碍组。所有人类数据均来自尸检，无法追踪随时间变化或确定明确因果关系。机器学习模型在识别轻度认知障碍时的准确性低于阿尔茨海默病痴呆或正常认知组。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史。机器学习测试集仅含14名受试者，限制了预测准确性发现的普适性。
【全文结束】
