波士顿大学Chobanian & Avedisian医学院研究人员宣布，他们开发出一种新型人工智能工具，能准确预测阿尔茨海默病的关键生物标志物。这项突破性技术可利用脑部扫描、记忆测试和健康记录等常规检查手段，检测β-淀粉样蛋白和tau蛋白等粘性蛋白沉积——这两种蛋白正是阿尔茨海默病的核心病理特征。
研究通讯作者、波士顿大学医学与计算机科学副教授Vijaya Kolachalama指出，该AI模型整合了来自多个国际研究队列的数据，不仅能够预测粘性蛋白的存在，还能精确定位其在特定脑区的分布。"虽然新型血液检测技术能在一定程度上发现阿尔茨海默病迹象，但无法显示病变具体位置，而我们的AI工具提供了重要的空间特异性信息。"
研究团队从七个不同研究队列中收集了12,185名参与者的多维度数据，包括年龄、健康史、记忆测试成绩、基因信息和脑部扫描结果。通过训练AI模型识别昂贵扫描中可见的粘性蛋白沉积模式，研究者设计出具有容错能力的算法——即使部分数据缺失仍能有效运行。在独立验证组测试中，该模型成功准确预测了高β-淀粉样蛋白和tau蛋白水平的个体。
Kolachalama教授强调，这项技术将显著降低阿尔茨海默病筛查的成本和复杂性："该工具可帮助医生快速筛选新药治疗对象或临床研究参与者，在提升效率的同时扩大检测覆盖范围。对于公众而言，这意味着更早的诊断、更少的不必要检查，以及延缓疾病进展的希望——最终改善患者及其家属的生活质量。"
研究还表明，该AI系统可能革新疾病分期体系，实现症状恶化前的早期干预。研究人员推测未来或可开发个性化预防方案，如定制饮食和运动计划。此外，该技术平台具备拓展潜力，可应用于其他涉及类似蛋白异常的神经疾病，如导致人格改变的额颞叶痴呆，以及运动员常见的慢性创伤性脑病。
这项研究成果已发表在《自然通讯》期刊在线版。项目获得美国国家老龄化研究所人工智能与技术协作中心、美国心脏协会、Gates Ventures及国立卫生研究院的资助。
【全文结束】
