新的血液测试可在临床诊断前3.5年检测出阿尔茨海默病

新的血液测试可在临床诊断前3.5年检测出阿尔茨海默病伦敦国王学院精神病学、心理学和神经科学研究所（IoPPN）的一项最新研究确定，一项血液测试可以在临床诊断前3.5年预测阿尔茨海默病的风险。发表在《大脑》杂志上的这项研究表明，血液成分可以影响海马体的神经发生，即新脑细胞的形成，而海马体是大脑中参与学习和记忆的重要部分。虽然阿尔茨海默病在疾病的早期阶段会影响海马体中新脑细胞的形成，但以前的研究只能通过尸检来研究后期的神经发生。为了了解早期变化，研究人员在几年内收集了56名轻度认知障碍（MCI）患者的血液样本，在这种情况下，有人会开始出现记忆或认知能力的恶化。虽然不是每个经历过MCI的人都会发展成阿尔茨海默病，但那些患有这种疾病的人被诊断为阿尔茨海默病的比率要比更广泛的人群高得多。在该研究的56名参与者中，有36人后来被确诊为阿尔茨海默病。AleksandraMaruszak博士，该研究的联合第一作者之一，来自King'sIoPPN解释说："在我们的研究中，我们用取自MCI患者的血液处理脑细胞，探索随着阿尔茨海默病的发展，这些细胞对血液的反应如何改变。"在研究血液如何影响脑细胞时，研究人员有几个关键发现。多年来，从后来病情恶化并患上阿尔茨海默病的参与者那里收集的血液样本促进了细胞生长和分裂的减少，并增加了细胞凋亡（细胞按程序死亡的过程）。然而，研究人员指出，这些样本也增加了未成熟脑细胞向海马神经元的转化。虽然神经生成增加的根本原因仍不清楚，但研究人员推测，这可能是阿尔茨海默病患者经历的神经变性（脑细胞损失）的早期补偿机制。该研究的主要作者、来自国王研究所的SandrineThuret教授说："以前的研究表明，年轻小鼠的血液可以通过改善海马的神经生成而对老年小鼠的认知能力产生恢复作用。这给了我们一个想法，即利用人类脑细胞和人类血液在培养皿中模拟神经发生的过程。在我们的研究中，我们旨在利用这个模型来了解神经发生的过程，并利用这一过程的变化来预测阿尔茨海默病，并在人类身上发现了第一个证据，即人体的循环系统可以对大脑形成新细胞的能力产生影响。"当研究人员只使用离参与者被诊断为阿尔茨海默病的时间最远的血液样本时，他们发现神经生成的变化发生在临床诊断之前的3.5年。该研究的第一作者EdinaSilajdžić博士补充说："我们的发现非常重要，有可能让我们以非侵入性的方式早期预测阿尔茨海默病的发病。这可以补充其他基于血液的生物标志物，反映该疾病的经典迹象，如淀粉样蛋白和tau蛋白（阿尔茨海默病的'旗舰'蛋白）的积累。"该研究的共同第一作者HyunahLee博士说："现在必须在更大和更多样化的人群中验证这些发现。我们对我们使用的基于血液的测试的潜在应用感到兴奋。例如，它可以帮助对有记忆问题的人进行分层，以进行阿尔茨海默氏症的疾病修饰药物的临床试验"。研究人员说，这些发现可能为进一步了解大脑在阿尔茨海默病的早期阶段所经历的变化提供了机会。...PC版：https://www.cnbeta.com.tw/articles/soft/1344429.htm手机版：https://m.cnbeta.com.tw/view/1344429.htm

港科大研发出早期检测阿尔茨海默病新技术

港科大研发出早期检测阿尔茨海默病新技术淀粉样蛋白水平的测量只能通过昂贵的脑部影像或入侵性的采集方式来实现。目前阿尔茨海默病的诊断主要通过临床观察症状，但临床症状在发病10年至20年后才出现，此时病情已发展至中晚期，患者难以获得有效治疗。港科大团队最近研发了一项血液测试，能以高准确度及早检测出阿尔茨海默病和轻度认知障碍。团队证实了该项血液检测在区分阿尔茨海默病患者、轻度认知障碍患者和认知正常人群方面的准确度高，并可检测到大脑淀粉样蛋白病理。此外，港科大开发的血液测试可同时检测21种与阿尔茨海默病相关的血液蛋白生物标志物的水平变化，从而更准确检测阿尔茨海默病和轻度认知障碍，并密切监测病情发展。带领这项研究的港科大校长、香港神经退行性疾病中心主任叶玉如表示，港科大团队开发的阿尔茨海默病血液检测简单、高效且入侵性低，可用于筛选合适的患者进入临床试验和药物治疗，并用于密切监测病情进展和药物反应。该研究由港科大与英国伦敦大学学院等机构合作。有关研究结果近日刊载于国际权威科学期刊《阿尔茨海默病与认知障碍症：阿尔茨海默病协会期刊》。...PC版：https://www.cnbeta.com.tw/articles/soft/1419277.htm手机版：https://m.cnbeta.com.tw/view/1419277.htm

中国阿尔茨海默病研究获重大突破

中国阿尔茨海默病研究获重大突破2月22日，相关成果在线发表于《新英格兰医学杂志》，这是中国AD领域学者首次在该杂志发表研究型论著。AD通常分为家族性阿尔茨海默病（FAD）和散发性阿尔茨海默病（SAD）。患者在诊断为AD前有一段漫长的无症状期，这是阻止AD发生或逆转病程的黄金窗口期，这一阶段的识别依赖于生物标志物。贾建平称，目前大部分关于AD生物标志物的研究是在FAD中进行。有研究表明，SAD中的Aβ与FAD有所不同，这提示SAD的生物标志物可能有不同轨迹，用FAD研究得到的生物标志物预测模型可能不适用于SAD人群。贾建平介绍，本次研究是迄今为止世界上规模最大、随访时间最长的反映AD诊断前生物标志物变化的纵向队列研究。研究改变了沿用FAD生物标志物出现时间来套用SAD的现状，为AD超早期诊断和精准干预提供了有力证据。...PC版：https://www.cnbeta.com.tw/articles/soft/1420187.htm手机版：https://m.cnbeta.com.tw/view/1420187.htm

AI可借助语音模式在症状开始之前检测出阿尔茨海默病的早期迹象

AI可借助语音模式在症状开始之前检测出阿尔茨海默病的早期迹象"我们的重点是识别细微的语言和音频变化，这些变化存在于阿尔茨海默病的早期阶段，但不容易被家庭成员或个人的初级保健医生识别出来，"UT西南大学小彼得-奥唐纳脑科研究所的神经学教授、医学博士IhabHajjar说。研究人员使用先进的机器学习和自然语言处理（NLP）工具来评估206人的语言模式--114人符合轻度认知衰退的标准，92人未受影响。然后，研究小组将这些发现与常用的生物标志物进行对比，以确定它们在测量损伤方面的功效。参加亚特兰大埃默里大学研究项目的研究人员在被要求记录对艺术品的1至2分钟的自发描述之前，接受了几个标准的认知评估。Hajjar博士说："录制的图片描述为我们提供了一种近似的对话能力，我们可以通过人工智能来研究，以确定语言运动控制、想法密度、语法复杂性和其他语言特征。"研究小组将参与者的语音分析与他们的脑脊液样本和核磁共振扫描进行了比较，以确定数字语音生物标志物检测轻度认知障碍和阿尔茨海默病状态和进展的准确性。"在机器学习和NLP发展之前，对患者的语音模式进行详细研究是非常耗费精力的，而且往往不成功，因为早期阶段的变化往往是人耳无法察觉的，"Hajjar博士说。"这种新颖的测试方法在检测那些有轻度认知障碍的人方面表现良好，更具体地说，在识别有阿尔茨海默病证据的病人方面表现良好--即使在使用标准认知评估不能轻易发现的情况下。"在研究过程中，研究人员花了不到10分钟的时间捕捉病人的语音记录。传统的神经心理学测试通常需要几个小时来进行。Hajjar博士说："如果被更大规模的研究证实，使用人工智能和机器学习来研究声乐录音可以为初级保健提供者提供一个易于执行的高危人群筛查工具。更早的诊断将使患者和家庭有更多的时间来计划未来，并使临床医生在推荐有希望的生活方式干预方面有更大的灵活性。"...PC版：https://www.cnbeta.com.tw/articles/soft/1359927.htm手机版：https://m.cnbeta.com.tw/view/1359927.htm

香港科大成功研发血液测试精准诊断阿尔兹海默症

香港科大成功研发血液测试精准诊断阿尔兹海默症由香港科技大学领导的国际研究合作，成功开发一项前沿的血液测试，可早期检测阿尔兹海默症和轻度认知障碍，其准确率分别超过96%和87%。这项血液测试适用于不同人群，为全球阿尔兹海默症的诊断和管理提供切实的解决方案。现有的阿尔兹海默症血液检测主要通过分析单一生物标志物来指示大脑病理。而科大研发的血液测试可同时检测21种与阿尔兹海默症相关的血液蛋白生物标志物的水平变化，从而揭示多个关键生理指标的变化，更准确检测阿尔兹海默症和轻度认知障碍，以及密切监测病情发展。这一多维度的分析有助开发个人化的治疗方案，即“精准医药”，将革新阿尔兹海默症的诊断和管理。科大校长、晨兴生命科学教授兼香港神经退行性疾病中心主任叶玉如表示，其阿尔兹海默症血液检测简单、高效且入侵性低，预示着诊断新时代的到来。其检测还可用于筛选合适的患者，以进入临床试验和药物治疗，以及用于密切监测病情进展和药物反应。在不久的将来，它还可透过揭示不同人群与个体间不同的阿尔兹海默症致病分子机制，加速个人化治疗的发展。

诊断阿尔茨海默症将成AI下一突破口 AI检测准确率超90%

诊断阿尔茨海默症将成AI下一突破口AI检测准确率超90%该技术可以像人脑一样学习，在医学方面能帮助检测一些容易被忽略的危险疾病，如癌症、心脏病、甚至是无症状的新冠病例。一项最新的研究表明，人工智能在医学领域的下一个突破可能是诊断阿尔茨海默氏症。准确率高达90%阿尔兹海默氏症会导致不可逆转的认知能力下降和痴呆。自该疾病被发现以来的一个世纪里，医学研究人员一直未能找到治疗方法和可靠的早期检测方法。上周四（3月2日）发表在国际著名科学期刊PLOSONE上的一篇研究文章表明，深度学习技术在阿尔茨海默氏症诊断中比未经训练的AI模型更加准确，而且该技术能够排除一些干扰诊断的因素，如年龄。马萨诸塞州综合医院（MassachusettsGeneralHospital）的研究人员测试了深度学习技术在阿尔茨海默氏症检测中的应用。研究人员首先采用数万张人脑扫描图像训练了一个深度学习模型，这些人部分患有阿尔兹海默氏症，部分没有。随后，研究人员将该深度学习模型用于临床诊断。结果显示，经过训练的深度学习模型识别阿尔茨海默氏症的准确率达到90.2%，相比之下，没有接受过变量训练的、更简单的人工智能模型的诊断准确率要低大约5个百分点。马萨诸塞州综合医院的研究员MatthewLeming指出，“我们的研究结果具有跨地点、跨时间、跨人群的普遍性，为这种AI诊断技术的临床应用提供了强有力的证据。”值得一提的是，90%的准确率还远远高于人类得出的临床检出率。根据2017年美国国立卫生研究院（NIH）公布的一项研究，人类得出的临床检出率仅为77%。误诊带来的损失美国卫生与公众服务部去年12月的一项研究显示，美国每年有700多万人被误诊。近300万急诊室患者因误诊而遭受不良影响，超过37万人遭受永久性残疾或死亡。据非营利组织“改善医学诊断协会(SocietytoImproveDiagnosisinMedicine)”称，误诊也是一种经济负担。该协会预计，误诊、错误治疗、以及由此引发的医疗事故诉讼每年将造成约1000亿美元的额外支出。医生们也认为，人工智能在改善诊断技术方面有着巨大的前景，尽管在医学研究中也出现了许多与人工智能有关的问题，比如可能会出现事实错误和种族偏见。去年1月发表在美国国立卫生研究院（NIH）上的一篇关于AI技术在医疗诊断方面的文献综述发现，人工智能在癌症、糖尿病和阿尔茨海默氏症诊断等领域都有前景。不过该文章建议建议进一步研究以提高AI的识别准确性。病症预测更加困难到目前为止，阿尔茨海默氏症是最难预测和诊断的疾病之一。它是老年人中最常见的一种痴呆症，全世界约有4400万患者。不过，这只是与痴呆症相关的众多疾病的一种形式，所以很多其他痴呆症很容易被误诊为阿尔茨海默氏症。2017年，美国医学网站《Medscape》上的一项针对900多人的研究发现，多达四分之一的阿尔茨海默病患者被误诊，误诊为假阳性或假阴性的比例大致相同。阿尔茨海默氏症很容易和路易体痴呆、额颞叶痴呆混淆。根据美国神经病学学会（AAN）的说法，误诊的概率随着年龄的增长而增加，阿尔茨海默氏病和其他痴呆疾病在老年群体中很容易被搞混。相对于诊断，预测则更加困难。阿尔茨海默氏症几乎没有可靠的早期筛查模型，大多数病例是在脑损伤症状开始出现后才被诊断出来的。此次马萨诸塞州综合医院的研究并没有涉及深度学习技术是否有助于阿尔茨海默氏症的预测。不过仍有不少其他研究人员认为，AI或许能够在这方面发挥重要作用。...PC版：https://www.cnbeta.com.tw/articles/soft/1348287.htm手机版：https://m.cnbeta.com.tw/view/1348287.htm