釋出的研究成果。 本文圖片 復旦大學研究團隊供圖
你能想象僅憑一滴血的檢測化驗，就知道患上癡呆癥的風險有多高嗎？透過血漿的蛋白檢測，人類可提前15年預知癡呆發病風險。不久的將來，人們從血檢報告單上，就能提前知道有多大機率患上癡呆癥。
復旦大學類腦智慧科學與技術研究院馮建峰教授、程煒研究員團隊聯合復旦大學附屬華山醫院郁金泰教授團隊展開聯合攻關，采用大規模蛋白質組學數據和人工智慧演算法發現了預測未來癡呆風險的重要血漿生物標誌物，可提前15年預測癡呆發病風險，對癡呆高危人群的篩查和早期幹預具有重大意義。
台北時間2024年2月13日淩晨，這一研究成果以【血漿蛋白質組學預測健康成年人未來癡呆風險】（Plasma proteomic profiles predict future dementia in healthy adults）為題，發表在【自然·衰老】（Nature Aging）。
研究發現：1463種血漿蛋白質與新發ACD、AD和VaD的關聯。
采用人工智慧技術，分析1463種血漿蛋白組學數據
研究團隊指出，以艾爾茨海默病為代表的癡呆癥，已成為嚴重影響居民健康和經濟發展的重大公共衛生問題。在臨床癥狀出現前，癡呆癥存在數年甚至數十年的隱匿期，15-20年可能無癥狀，早期表現容易與正常老化相混淆。當患者出現顯著認知行為障礙等癥狀，前往醫院就診時，疾病往往已進展到中晚期，錯過幹預的最佳時期，醫生也束手無策。
在這項研究中，團隊研究運用AI for science（註：人工智慧驅動的科學研究，下文簡稱AI4S），采用迄今為止全球最大規模的基於社群佇列的蛋白質組學數據和人工智慧演算法，對1463種血漿蛋白組學數據進行了分析和建模，發現GFAP、NEFL和GDF15三個蛋白與新發全因癡呆（ACD）、新發艾爾茨海默病（AD）和新發血管性癡呆（VaD）三種常見癡呆型別的風險有顯著關聯，並且LTBP2也與癡呆發病關聯密切。
「我們的研究提供了一個很好的AI4S的研究範例，基於數據驅動的思想，我們構建出高精度的癡呆風險預測模型，這是理工醫交叉融合的突破進展，對推動精準醫療的發展具有重要意義，」馮建峰介紹，與以往類似研究使用采用的小樣本量橫斷面設計不同，此次復旦團隊運用大樣本、長時間的縱向數據，從中提煉有用的模式、趨勢和關聯資訊，強調讓數據「說話」。
團隊使用大樣本佇列數據，對52645名非癡呆成年人的血液數據進行跨度超過中位數14年的追蹤分析，參與者中後來有1417位被診斷為新發全因癡呆（ACD），691位被診斷為新發艾爾茲海默病（AD），285位被診斷為新發血管性癡呆（VaD）。團隊透過基於抗體的Olink測定技術進行統一測定量化，對每個血液樣本檢測了包含心臟代謝、炎癥、神經和腫瘤四個面板上的1463種血漿蛋白，並運用Cox模型和機器學習演算法開展建模分析，最終辨識出GFAP、NEFL和GDF15等對癡呆預測極具價值的血漿生物標誌物。
不同血漿蛋白水平與疾病臨床進展風險的關聯。
探討將相關檢測加入體檢計畫的可能性
為進一步提高預測的準確性，研究團隊將蛋白質篩選過程轉化為一個最佳化組合的數學問題。透過運用資訊增益和輕量提升機等基於機器學習的演算法，成功挖掘出對早期辨識癡呆最為有效的蛋白質組合。這些演算法不僅考慮了單個蛋白質的作用，還充分考慮了蛋白質之間的交互作用和協同效應，從而可實作更高精度的預測。為確保模型的可靠性和穩定性，團隊在不同亞組人群中進行多重驗證，模型均表現出良好的預測效能，為癡呆癥的早期辨識提供了有力工具。
「血液學檢測方便無創、價格低廉，可作為臨床前階段對廣大人群進行早期風險篩查的理想工具。」程煒解釋說，現在團隊發現蛋白組學與腦疾病風險間的關聯，透過驗血，就有望輔助臨床醫生盡早辨識癡呆高危患者，盡早幹預，提高病人的生活品質。
郁金泰同時表示：「這次發現的重要血漿生物標誌物，為血液學檢測從研究到臨床的過渡提供新的理論基礎。而且我們這次建立的模型更加簡便、易獲取、易於普及，無論是短期癡呆發病風險還是十余年後的癡呆發病風險，都能做到很好地預測。」
隨著這項研究的釋出，距離套用於普通民眾癡呆癥風險檢測還有多遠？
上述研究團隊介紹，如果一切順利，半年後可套用到臨床檢測，篩查出高危人群。目前，部份體檢醫療機構已主動與團隊取得聯系，探討將相關檢測加入體檢計畫的可能性。下一步，團隊還將圍繞中國的癡呆癥風險人群佇列開展數據采集和交叉驗證，針對中國人群佇列的基線水平對相關數據作出矯正，開發出最適合中國人群佇列的癡呆癥風險預測數據模型。
(本文來自澎湃新聞，更多原創資訊請下載「澎湃新聞」APP)
