革命性人工智能可在症状出现前七年预测阿尔茨海默氏症

对预测阿尔茨海默氏症影响最大的病症是高胆固醇，而对女性来说，则是骨质疏松症。这项工作展示了利用人工智能（AI）发现临床数据中的模式的前景，然后可以利用这些模式搜索大型基因数据库，以确定是什么在驱动这种风险。研究人员希望，有朝一日它能加快阿尔茨海默氏症和其他复杂疾病的诊断和治疗。

加州大学旧金山分校的科学家们利用机器学习技术开发出了一种方法，可以通过检查病人的病历，在出现症状前七年预测阿尔茨海默病的发病时间。

这项研究的第一作者、加州大学旧金山分校西罗塔实验室的医学博士/博士生爱丽丝-唐（Alice Tang）说："这是在常规临床数据上使用人工智能的第一步，不仅能尽早识别风险，还能了解风险背后的生物学原理。"这种人工智能方法的威力来自于根据疾病组合来识别风险"。

这些研究结果最近发表在《自然-衰老》杂志上。

临床数据和预测能力

长期以来，科学家们一直在努力探索阿尔茨海默病的生物学驱动因素和早期预测因素。阿尔茨海默病是一种渐进性的、最终致命的痴呆症，会破坏人的记忆。阿尔茨海默氏症影响着约 670 万美国人，其中近三分之二是女性。患病风险随着年龄的增长而增加，而且女性往往比男性长寿，但这并不能完全解释为什么女性患者比男性多。

研究人员利用加州大学旧金山分校的临床数据库（该数据库包含 500 多万名患者），对在加州大学旧金山分校记忆与衰老中心确诊为阿尔茨海默氏症的患者与未确诊为阿尔茨海默氏症的患者进行了对比，发现他们能以 72% 的预测能力识别出哪些患者会在 7 年前患上阿尔茨海默氏症。

包括高血压、高胆固醇和维生素 D 缺乏在内的一些因素对男性和女性都有预测作用。勃起功能障碍和前列腺肥大也是男性的预测因素。但对女性来说，骨质疏松症是一个特别重要的预测因素。

这并不意味着所有患有这种常见于老年妇女的骨病的人都会患上老年痴呆症。

"正是疾病的综合作用使我们的模型能够预测AD的发病，"Tang说，"我们发现骨质疏松症是女性的一个预测因素，这凸显了骨骼健康与痴呆症风险之间的生物学相互作用。"

精准医疗方法

为了了解该模型预测能力背后的生物学原理，研究人员求助于公共分子数据库和加州大学旧金山分校开发的一种名为SPOKE（可扩展的精准医学导向知识引擎）的专用工具，该工具是由加州大学旧金山分校威尔神经科学研究所成员、神经病学教授塞尔吉奥-巴兰齐尼（Sergio Baranzini）博士的实验室开发的。

SPOKE 基本上是一个数据库的数据库，研究人员可以利用它来确定治疗模式和潜在的分子靶点。它通过载脂蛋白 E 基因 APOE4 的变异形式，发现了阿尔茨海默氏症与高胆固醇之间众所周知的联系。但是，当与基因数据库相结合时，它还发现了女性骨质疏松症与阿尔茨海默氏症之间的联系，这种联系是通过一种不太为人所知的名为 MS4A6A 的基因变异而产生的。

研究人员希望这种方法最终能用于红斑狼疮和子宫内膜异位症等其他难以诊断的疾病。

这项研究的资深作者、加州大学旧金山分校巴卡尔计算健康科学研究所副教授玛丽娜-西罗塔（Marina Sirota）博士说："这是一个很好的例子，说明我们可以通过机器学习利用患者数据来预测哪些患者更有可能患上阿尔茨海默氏症，同时还能了解患病原因。"

编译自:ScitechDaily