一项新研究表明，视网膜图像可以帮助医生快速区分肌萎缩侧索硬化症（ALS）和阿尔茨海默病等类似的神经退行性疾病，并且准确率惊人。
滑铁卢大学的研究人员正在引领开发一种快速、非侵入性且价格低廉的诊断工具。目前，针对肌萎缩侧索硬化症或伴有TDP-43蛋白沉积的额颞叶变性痴呆（FTLD-TDP）——分别在脊髓和大脑中形成TDP-43蛋白沉积——尚无客观的诊断测试。
这一新工具有助于更早诊断，从而及时进行已知能延缓疾病进展的干预，并支持更有针对性的疗法开发，最终改善患者预后。
“这是迈向更早、更准确诊断的重要一步，”物理与验光学荣誉教授梅兰妮·坎贝尔博士表示，“目前，额颞叶变性痴呆和肌萎缩侧索硬化症只有在症状出现后才能被诊断，这往往意味着疾病已经发展到晚期。能够更早检测到这些疾病，可能会彻底改变我们的治疗方式。”
研究人员使用偏振光对捐献的视网膜样本中的蛋白质沉积进行成像，这些样本分别来自阿尔茨海默病、伴有TDP-43的额颞叶变性痴呆以及肌萎缩侧索硬化症患者。通过分析光模式，该团队能够准确区分与阿尔茨海默病相关的β-淀粉样蛋白沉积和与额颞叶变性及肌萎缩侧索硬化症相关的TDP-43沉积，并预测脑部疾病的严重程度。
（图片说明：偏振光下拍摄的16张原始视网膜沉积图像样本之一。左列为阿尔茨海默病脑病理个体样本；中列为肌萎缩侧索硬化症病理；右列为额颞叶变性痴呆病理。——滑铁卢大学）
他们还将光相互作用的数据输入两种人工智能模型——随机森林（一种集成学习方法）和卷积神经网络（一种基于图像的方法），以检验它们能否学会区分β-淀粉样蛋白和TDP-43沉积。两种沉积类型之间的差异足够显著，随机森林模型正确预测疾病的比例达86%，而卷积神经网络模型更是高达96%。
“我们希望在未来几年内，这项技术能发展成一种简单的眼部检查，能够检测并区分多种脑部疾病，让规模较小、资源匮乏社区的居民也能获得这类检测服务，”坎贝尔说，“一种快速、可及性高的诊断工具，将能为患者及其家庭带来深远影响。”
相关论文《视网膜中TDP-43与β-淀粉样蛋白沉积及其相关神经退行性疾病：利用偏振光相互作用与机器学习算法实现精确分类》发表于《阿尔茨海默病与痴呆：阿尔茨海默协会期刊》。
【全文结束】