记忆力减退可能指向不止一种方向。
一位患者可能看似符合阿尔茨海默病，但同时也表现出帕金森病或既往中风的迹象。在许多老年人中，这些疾病可能在大脑内重叠，这解释了为什么诊断常常混乱、缓慢，有时甚至错误。瑞典隆德大学的一项新研究表明，单次血液样本结合人工智能，可能有朝一日帮助理清这种混乱。
在《自然医学》杂志上，研究人员描述了一种名为ProtAIDe-Dx的人工智能系统，它利用血液中的蛋白质模式同时检测多种神经退行性疾病。该模型基于来自全球神经退行性蛋白质组学联盟（GNPC）19个站点收集的17187名参与者的血浆蛋白质组学数据构建。
“我们的希望是未来能够通过一次血液检测准确诊断多种疾病，”隆德大学的Jacob Vogel说，他领导了这项研究。
研究人员开发了一种能够同时检测多种神经退行性疾病的人工智能模型。（图片来源：iStock）
这个想法之所以重要，是因为诊断仍然是脑部疾病治疗的主要障碍。论文指出，即使在专门的痴呆症诊所，误诊率也约为25%至30%，而在初级保健中可能超过50%。随着年龄增长，问题变得更加棘手，因为80岁或以上的患者中，70%可能同时携带多种神经退行性病理。
隐藏在上千种蛋白质中的模式
该团队没有逐一寻找单一疾病标志物，而是训练模型检测血液中测量的7595种蛋白质。通过“联合学习”方法，系统学习了多种疾病的共享模式，同时为每种疾病生成独立的概率。这使得它能够标记同一个人可能患有的多种疾病。
该模型旨在分类阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶痴呆、既往中风或短暂性脑缺血发作，以及认知未受损的对照组。重要的是，研究人员仅使用了蛋白质组学信息，没有向模型输入人口统计学、认知、诊断或站点信息。
ProtAIDe-Dx在多种对比模型（包括随机森林、XGBoost和TabPFN）中表现最佳。其中位平衡分类准确率在ALS中达到95%，在帕金森病中达到92%，在阿尔茨海默病中达到81%，在额颞叶痴呆中达到72%，在中风或TIA中达到70%。该模型在除中风或TIA预测外的所有任务中，曲线下面积均超过0.8。
这仍然不足以使其单独应用于临床。但结果表明，血液可能携带比研究人员此前认为的更广泛的脑部疾病信号。
ProtAIDe-Dx在GNPC上的工作流程和整体性能。（图片来源：Nature Medicine）
诊断并不总是与生物学相符
最引人注目的发现之一是，当团队超越“是/否”标签时观察到的结果。
研究的第一作者Lijun An表示，蛋白质谱“比临床诊断更好地预测了认知衰退”，并补充说，具有相同诊断的人可能携带不同的生物学亚型。
一些被诊断为阿尔茨海默病的患者显示出更类似于其他脑部疾病的蛋白质模式。根据Vogel的说法，这可能意味着几种情况：可能存在多种疾病过程，阿尔茨海默病可能通过不同的生物学途径发展，或者最初的临床诊断可能是错误的。
该模型还在更难分类的群体中捕捉到了信号，包括轻度认知障碍或主观认知衰退的患者。这些病例分布在疾病图谱中，而不是落入单一集群，表明该系统可能比标准诊断更早地识别潜在病理。
在一个名为BioFINDER-2的外部记忆诊所数据集中（包含1786名参与者，并有生物标志物支持的诊断），该模型的概率与预期的疾病生物学相符。阿尔茨海默病的概率在部分携带β-淀粉样蛋白和tau病理的非阿尔茨海默病病例中升高。中风的概率随着白质高信号负荷加重而升高。在认知未受损的人群中，如果他们已经表现出阿尔茨海默病、路易体病或神经血管病理，该模型将他们归类为健康的可能性较低。
有用，但还不够
研究人员谨慎地避免过度吹嘘该系统。
Vogel表示，目前的血液蛋白质测量本身不足以诊断多种疾病。论文反复强调这一点。当团队测试模型从某个站点泛化到另一个站点的能力时，性能下降，这表明站点效应和数据差异仍然是严峻的挑战。一些疾病由于样本分布不均或临床标签缺乏生物标志物支持而更难分类。
作者还指出，许多脑部相关蛋白质可能因血脑屏障的存在而难以在血液中测量。药物效应也可能扭曲蛋白质水平。此外，由于许多训练诊断来自常规临床工作而非尸检或生物标志物确认，一些“错误”预测可能实际上并非错误。
尽管如此，当ProtAIDe-Dx与常见临床标志物（如年龄、性别、MMSE、皮质厚度、血浆p-tau217和血浆NEFL）结合使用时，它增加了价值。在BioFINDER-2样本中，这种组合模型改善了诊断，尤其是对非阿尔茨海默病痴呆症。该系统还比基线诊断更有效地将患者按未来认知衰退进行区分。
Vogel表示，下一步是扩展蛋白质组学标志物，包括通过质谱分析，以寻找当前工具可能遗漏的疾病特异性模式。
研究的实际意义
这项研究并没有提供一种能够取代扫描、脊髓液检测或专家临床工作的简单血液检测。
它所提供的是对未来更实用场景的展望：一次抽血可以帮助医生理清重叠的脑部疾病，识别需要后续检测的患者，并更早地发现隐藏的病理。随着更多疾病修饰疗法接近常规使用，这对治疗决策、药物试验和护理规划可能具有重要意义。
研究结果已在《自然医学》杂志在线发表。
原始故事“New AI blood test can help detect several brain diseases at once”发表在《The Brighter Side of News》上。
【全文结束】