人工智能血液检测可区分痴呆病因 ^{CEFR B2}

研究团队在期刊 Alzheimer & Dementia 上报告了一种基于人工智能的血液分类器，旨在区分阿尔茨海默病、帕金森病及相关痴呆与典型老年认知变化。该模型由圣路易斯华盛顿大学医学院精神病学系的 Carlos Cruchaga 教授领导，归属于 WashU Medicine 的神经基因组与信息学中心。

为构建检测，研究者挑选了反映脑病理的15种血液蛋白，包含经充分验证的阿尔茨海默病标志物以及与突触功能、神经元损伤和炎症相关的蛋白。分类器在超过3,200名个体的血液蛋白数据上进行了训练和测试，随后在225名有尸检脑组织检查的个体上进行了独立验证。模型能识别出同时存在的多种疾病过程，在仅有单一神经退行性疾病诊断的病例中总体准确率为92.3%，整体准确度超过90%。

研究显示，该检测在诊断不确定或病情演变的病例中也能提供线索，例如对轻度认知受损者预测出的阿尔茨海默病信号与尸检时的淀粉样斑块负担一致。研究者强调该方法尚未达到临床使用标准，需要在更大、更具多样性的人群中开展前瞻性研究，以确认其可推广性并评估对疾病进展预测及治疗决策的指导价值。

潜在应用包括筛选临床试验受试者、开展大规模人群研究，以及帮助临床医生决定随访、转诊和治疗策略。该研究得到美国国立卫生研究院、Cure Alzheimer’s Fund 和 Michael J. Fox Foundation 等机构资助，信息来源为 Washington University in St. Louis。