UCLA Health的研究人员通过分析电子健康记录，识别出导致阿尔茨海默病的四种不同路径，从而为该疾病的逐步发展提供了新的见解，而不仅仅是孤立的风险因素。
这项研究发表在《eBioMedicine》杂志上，研究了来自加州大学健康数据仓库的近25,000名患者的纵向健康数据，并在全国多样化的“All of Us”研究计划中验证了研究结果。与以往专注于个体风险因素的研究不同，UCLA的分析绘制了顺序诊断模式，揭示了病症如何逐步发展为阿尔茨海默病。
“我们发现多步骤轨迹比单一病症更能表明阿尔茨海默病的风险因素，”第一作者、UCLA医学信息学博士生Mingzhou Fu表示，“理解这些路径可能会从根本上改变我们对待早期检测和预防的方式。”
研究确定了四个主要轨迹群组：
- 心理健康路径：精神疾病导致认知能力下降
- 脑病路径：随时间加剧的大脑功能障碍状况
- 轻度认知障碍路径：逐渐的认知能力下降进展
- 血管疾病路径：心血管疾病增加痴呆风险
每条路径都显示出独特的人口统计和临床特征，表明不同人群可能对不同的进展路径具有脆弱性。
研究发现，约26%的诊断进展显示一致的方向顺序。例如，高血压常先于抑郁发作，然后增加了阿尔茨海默病的风险。
“识别这些顺序模式而不是孤立地关注诊断，可能有助于临床医生提高阿尔茨海默病的诊断效果，”资深作者、UCLA Health神经学助理教授Dr. Timothy Chang表示。
在独立人群中验证时，这些多步骤轨迹比单一诊断更能准确预测阿尔茨海默病的风险。这一发现表明，医疗保健提供者可以利用轨迹模式进行：
- 增强风险分层：更早识别疾病进展中的高危患者
- 针对性干预：在有害序列进一步发展前中断其进程
- 个性化预防：根据个体路径模式制定策略
在“All of Us”研究计划（一个多样化且全国代表性的群体）中的验证确认了这些轨迹模式适用于不同人群和人口统计。
研究方法
研究团队分析了贡献6,794个独特阿尔茨海默病进展轨迹的5,762名患者。使用包括动态时间规整、机器学习聚类和网络分析在内的先进计算方法，研究人员绘制了导致阿尔茨海默病的诊断之间的时间关系。
关于研究
[识别阿尔茨海默病的常见疾病轨迹与电子健康记录，eBioMedicine 2025；DOI: 10.1016/j.ebiom.2025.105831](
资助
MF、SS、BP、KV和TSC得到了美国国立卫生研究院（NIH）国家老龄化研究所（NIA）拨款R01AG085518-01A1的支持。此外，MF和TSC还获得了NIH/NIA拨款K08AG065519-01A1的支持，而TSC和KV则得到了NIH/NIA拨款UH2AG083254的支持。KV还获得了多项NIH拨款的支持，包括R01AG081768A、R01NS033310、R01AG075955、R01AG058820、R01AG068317、U01NS100608和U24AG056270。TSC和KV还得到了加利福尼亚州公共卫生部（CDPH）、慢性病控制分支、阿尔茨海默病项目的支持，合同编号为#22-10079和#23-10648，TSC还从CDPH获得了额外支持，合同编号为#24-10127。TSC还得到了NIH国家神经疾病和中风研究所（NINDS）拨款U54NS123746的支持。SS获得了国家科学基金会（NSF）通过CAREER奖1943497和拨款R35GM153406的资金支持。BP得到了NIH拨款R01HG009120、R01MH115676和R01HG006399的支持。作者们还感谢NIH的国家转化科学促进中心（NCATS）在UCLA临床和转化科学研究所拨款UL1TR001881下的支持，以及UC Health数据驱动洞察与创新中心（CDI2）提供的分析和技术支持。
(全文结束)
