波士顿大学乔巴尼安-阿韦迪西安医学院的研究人员开发出一种人工智能工具，能够利用脑部扫描、记忆检查和健康记录等常规且成本较低的检测手段，准确预测阿尔茨海默病的关键特征——粘性蛋白β-淀粉样蛋白和tau蛋白的沉积情况。相关研究成果已发表在《自然通讯》杂志在线期刊。
该研究通讯作者、波士顿大学医学与计算机科学副教授Vijaya B. Kolachalama博士解释称："我们整合了多个国际研究队列的数据，能够预测这些粘性蛋白的存在位置，并精确到特定脑区。"团队从七个不同研究群体中收集了12,185名参与者的年龄、健康史、记忆测试成绩、遗传信息和脑部扫描数据，训练AI模型识别与昂贵影像检查中观测到的蛋白质沉积模式相匹配的规律，并设计出可在部分数据缺失情况下仍有效运行的模型。在独立测试群体中，该工具成功准确预测了高淀粉样蛋白或tau蛋白水平的受试者。
相较于新型血液检测仅能粗略发现阿尔茨海默病迹象但无法定位脑部病变位置，该AI工具提供了重要的病灶定位细节。Kolachalama表示，这项技术将使医生能更便捷地筛选适合新药治疗或临床试验的患者，节省时间和成本，特别是惠及难以获取昂贵复杂检测的患者群体。对于公众而言，这意味着更快速的诊断流程、更少的非必要检查，以及通过延缓疾病进展改善患者及其家属生活质量的新希望。
研究者指出，该AI模型还可能改变疾病分期体系，实现症状恶化前的早期检测，进而制定个性化干预方案如定制饮食或运动计划。此外，该技术未来有望扩展应用于其他类似蛋白沉积引发的疾病，如导致人格改变的额颞叶痴呆和运动员常见的创伤性脑损伤相关慢性创伤性脑病。
【全文结束】
