研究人员背后的两名AI模型研究者雅各布·沃格尔（Jacob Vogel）和李俊·安（Lijun An）展示了他们的研究成果。
图片来源：隆德大学；摄影：Emma Nyberg
新闻 • 深度联合学习蛋白质组学模型
新型AI模型可从单次血样检测多种脑部疾病
不同神经退行性疾病的症状特征常存在重叠，诊断年龄相关认知症状十分复杂。患者大脑可能同时存在多种叠加的病理过程。
如今，隆德大学的研究人员开发出一款AI模型，证明仅凭单次血样即可检测多种神经退行性疾病。该研究发表于《自然医学》期刊。
不同神经退行性疾病常呈现相似症状，导致难以区分，例如阿尔茨海默病与路易体痴呆病，尤其在认知衰退早期阶段。
"我们希望逐步实现一种血液检测技术，使其无需其他临床设备辅助即可跨病种进行可靠诊断。"
——雅各布·沃格尔
雅各布·沃格尔和李俊·安联合瑞典BioFINDER研究团队及全球神经退行性疾病蛋白质组学联盟（GNPC，该国际研究联盟建立了全球最大的神经退行性疾病蛋白质组学数据库）共同开发了这款能同时检测多种疾病的AI模型。该模型基于来自GNPC全球最大神经退行性疾病相关蛋白质数据库中多个数据集的17,000多名患者及对照参与者的蛋白质测量数据。
"我们希望未来能通过单次血液检测准确同步诊断多种疾病，"领导该研究的雅各布·沃格尔表示。他是隆德大学助理教授、研究组长，并隶属于该大学战略研究领域MultiPark。
研究人员采用先进统计学习方法及"联合学习"技术，使AI模型识别出构成脑退化相关疾病通用模式的一组特定蛋白质。该学习模式随后被用于诊断不同神经退行性疾病。沃格尔证实，其AI模型性能超越以往模型，同时能诊断阿尔茨海默病、帕金森病、肌萎缩侧索硬化症（ALS）、额颞叶痴呆及既往中风五种不同痴呆相关病症。
研究人员指出，该研究的突出之处在于模型结果已在多个独立数据集中得到验证。"我们还发现，蛋白质特征对认知衰退的预测能力优于临床诊断，且临床诊断相同的个体可能存在不同的潜在生物学亚型，"该研究第一作者李俊·安表示。
许多被诊断为阿尔茨海默病的个体，其蛋白质模式更接近其他脑部疾病。"这可能意味着他们存在多种基础疾病，或阿尔茨海默病存在多种发病途径，亦或临床诊断有误。不过我认为，仅凭当前血液样本的蛋白质测量尚不足以独立诊断多种疾病，我们需要优化方法并结合其他临床诊断工具，"雅各布·沃格尔强调。
同时，他指出诊断并非该模型的唯一应用。对AI模型有贡献的许多蛋白质指向后续研究可深入的领域，有望更好理解这些神经退行性疾病的致病机制。
下一步将采用质谱分析等先进方法纳入更多蛋白质组学标志物，以识别各疾病的特异性模式。"我们希望逐步实现一种血液检测技术，使其无需其他临床设备辅助即可跨病种进行可靠诊断，"雅各布·沃格尔表示。
来源：隆德大学；撰文：马丁娜·斯文森
【全文结束】