旧金山 — 电脑能否在医生诊断之前很久就检测到阿尔茨海默病的最初微妙迹象？由Gladstone神经疾病研究所的Jorge Palop博士领导的研究团队开发了一种尖端技术，可以在传统症状明显出现前数年识别阿尔茨海默病。研究人员仅使用小鼠的视频片段，创建了一种机器学习工具（一种AI形式），可以检测可能预示最早期大脑功能障碍的细微行为变化。
想象一个世界，简单的视频录制就能揭示这种毁灭性神经退行性疾病的第一批几乎看不见的迹象。这正是VAME（变分动物运动嵌入）的潜力所在，这是一种复杂的计算机算法，可以发现人类肉眼无法察觉的行为异常。
“我们展示了机器学习在分析早期脑功能异常行为方面的潜力。”该研究的资深作者Jorge Palop博士在媒体发布会上说。
与需要复杂任务或昂贵设备的传统医学测试不同，这项技术可以使用智能手机质量的视频工作。
Gladstone研究所的研究人员创建了一种机器学习工具（一种AI形式），可以检测可能预示最早期大脑功能障碍的细微行为变化。
该研究发表在《细胞报告》杂志上，研究人员研究了两组经过基因改造的小鼠，这些小鼠旨在模拟阿尔茨海默病的不同方面。研究团队没有强迫小鼠进行预定测试，而是简单地记录了它们在一个开放场地中的自然活动。然后，机器学习工具分析了这些记录，揭示了令人着迷的见解。
VAME发现了什么？
随着小鼠年龄的增长，系统检测到了“混乱行为”的显著增加。这并不意味着小鼠只是移动方式不同——它们显示出更随机的活动模式，频繁切换任务，这可能表明记忆力和注意力问题的出现。
“我设想这项技术将在临床中用于评估患者，甚至在他们家中。”该研究的第一作者Stephanie Miller博士解释道，“它为科学家和医生提供了一种解决诊断疾病前临床阶段这一非常困难问题的方法。”
研究并未止步于检测。研究人员还测试了一种潜在的治疗方法，通过阻断一种名为纤维蛋白的特定凝血蛋白，此前研究表明这种蛋白可能导致脑部炎症。令人惊讶的是，这一干预措施显著减少了阿尔茨海默病模型小鼠的异常行为变化。
“看到阻断纤维蛋白在脑内的炎症活性几乎消除了所有自发行为变化，这是非常令人鼓舞的。”另一位参与研究的Katerina Akassoglou博士指出。虽然研究仍处于初步阶段，且是在小鼠身上进行的，但它代表了一种可能彻底改变理解和治疗阿尔茨海默病的方法。通过捕捉疾病的最早信号，医生有一天或许能够更早介入，潜在地减缓或预防认知衰退。
研究团队的最终目标非常明确。正如Miller博士所说，她的目标是“使这种工具和其他类似方法更加便于生物学家和临床医生使用，以缩短开发强大新药的时间”。
论文摘要
方法
研究人员使用了一种称为VAME（变分动物运动嵌入）的高级机器学习平台，观察和分析了基因工程阿尔茨海默病（AD）小鼠模型的自发行为。这些模型模仿人类AD的症状，如神经炎症和淀粉样蛋白积累。小鼠被记录在开放场地中探索25分钟。
利用高帧率摄像技术，VAME平台将小鼠的动作分割成不同的模式或“动机”，反映不同的行为。研究比较了不同小鼠群体的行为，考察了与年龄相关的变化、遗传差异以及针对神经炎症的治疗干预反应。
主要结果
研究发现，基因改造以复制阿尔茨海默病的小鼠在运动和行为方面与健康小鼠存在显著差异。随着年龄的增长，这些差异变得更加明显。例如，阿尔茨海默病模型小鼠表现出更高的随机性动作，难以维持正常的活动模式。当治疗阻断特定蛋白质（纤维蛋白原）引起的炎症时，许多这些异常得到了减少。这表明炎症在驱动这些行为变化中起着重要作用。
研究局限性
研究仅限于小鼠，这限制了其结果在人类中的适用性。研究人员也没有评估其他因素，如认知功能或脑活动，与观察到的行为之间的直接联系。此外，研究无法确定行为变化是否直接与阿尔茨海默病的进展有关，还是仅仅与观察到的症状相关。
讨论与启示
研究结果突显了日常行为中的微妙变化，如增加的随机性或无法维持正常活动，可能是阿尔茨海默病早期阶段的信号。研究还强调了炎症在驱动这些变化中的作用，并建议针对炎症可能是有效的治疗途径。此外，VAME平台比传统方法更精确，提供了在前临床阶段更早、更准确诊断阿尔茨海默病的潜在工具。
资金与披露
该研究由多个美国国立卫生研究院（NIH）拨款资助，包括RF1AG062234和R01AG073082。欧洲资金来自德国DFG合作研究中心等机构。主要研究人员披露了相关关系，包括与专注于炎症相关治疗的公司Therini Bio的联系。所有其他贡献和数据均在CC BY许可下公开获取。
(全文结束)
