人工智能可以帮助识别老年痴呆症吗？

人工智能如何帮助识别阿尔茨海默症的早期风险因素

维多利亚·科利弗/文

陈丽啦、房馨、沈怡丹、邓宏钰、毛苏晴、许夏兰、刘文乐、徐雪惠、傅珮卿、周川惠、曾舞乐、罗浥瑜、刘乔伊、李晨佳、李子鸢、雷雳译

加州大学旧金山分校的科学家发现了一种方法，通过机器学习分析患者记录可以在症状出现前七年预测阿尔茨海默症。

对预测影响最大的因素是高胆固醇，而对于女性来说，是骨质疏松症。

这项工作显示在临床数据中使用人工智能检测模型的前景，可用于探索大型数据库来确定导致风险的原因。研究人员希望将来有一天它能够加速诊断和治疗阿尔茨海默症和其他复杂疾病。

“这是在常规临床数据上使用人工智能的第一步，这不仅能尽早识别风险，还能弄清楚其背后的生物机制，”研究的主要作者，加州大学旧金山分校锡罗塔实验室的医学博士爱丽丝·唐说到。“这种人工智能方法的优势在于基于疾病组合来识别风险。”

研究结果发表在2024年2月21日的《自然衰老》杂志上。

临床数据和预测能力

长期以来，科学家都在试图发现阿尔茨海默症的生物驱动因素和早期预测因子，阿尔茨海默症是一种破坏记忆的进展性的和致命的痴呆症。阿尔茨海默症影响了约670万的美国人，其中近三分之二的都是女性。患病的风险随着年龄增长而上升，尽管女性往往比男性寿命更长，这也不能完全解释为什么更多女性患病。

研究人员使用加州大学旧金山分校超过500万患者的临床数据库，寻找在加州大学旧金山分校记忆和衰老中心确诊阿尔茨海默症的患者存在的并发疾病，并将他们与未患阿尔茨海默症的人比较，他们发现能以72%的预测能力提前七年识别谁会患上该疾病。

包括高血压、高胆固醇和缺少维生素D等许多因素，在男性和女性中都具有预测作用。对于男性来说，勃起功能障碍和前列腺肿大也具有预测作用。但是对于女性来说，骨质疏松症是一个特别重要的预测因素。

这并不意味着每个患有老年妇女常见的骨病患者都会患上阿尔茨海默氏症。

“正是疾病的组合让我们的模型能够预测阿尔茨海默症的发作，”唐说，“我们发现骨质疏松症是女性的预测因素之一，这强调了骨骼健康和痴呆症风险之间的生物相互作用。”。”

一种精准的医疗方法

为了了解模型预测能力背后的生物学机制，研究人员转向公共分子数据库和加州大学旧金山分校开发的名为SPOKE（可扩展精准医学导向知识引擎）的专用工具，这项工具是在神经学教授、加州大学旧金山分校威尔神经科学研究所成员塞尔吉奥·巴拉齐尼博士的实验室开发的。

SPOKE本质上是一个“数据的数据库”，研究人员可以使用该数据库来识别治疗模式和潜在分子靶点。它通过载脂蛋白E基因（APOE4）的变异形式发现了阿尔茨海默症和高胆固醇的众所周知的联系。但是当和基因数据库结合在一起时，它也能通过一个鲜为人知的基因（MS4A6A）变异，在女性中发现骨质疏松症和阿尔茨海默症的联系。

最后，研究人员希望这一方法可以应用于其他难以诊断的疾病，例如狼疮和子宫内膜异位症。

“这是一个很好的例子，说明了如何利用患者数据通过机器学习来预测出哪些患者更易患阿尔茨海默症，同时理解其背后的原因，”研究的资深作者，加州大学旧金山分校巴卡计算健康科学研究所副教授玛丽娜·西罗塔博士说。

资料来源：

https://www.ucsf.edu/news/2024/02/427131/how-ai-can-help-spot-early-risk-factors-alzheimers-disease

（该文翻译发布得到了原文作者授权）