卫材开发早期阿尔茨海默病筛查脑β-淀粉样蛋白积累的预测模型

　　世界医疗网（上海）徐言报道  近日，大分大学和卫材宣布开发了一种机器学习模型，用于预测脑内β-淀粉样蛋白（Aβ）的积累。该模型结合了年龄、性别、吸烟史和病史等背景数据，以及常规血液检查和MMSE（简易精神状态检查）项目。该模型预计将使初级保健医生能够在常规体检中预测脑内Aβ的积累，这是阿尔茨海默病（AD]）的重要病理因素，并有助于进行简单的早期筛查。

　　该模型的详细信息已于2025年1月21日发表在同行评审的医学期刊《Alzheimer's Research & Therapy》的在线版上。

　　目前，虽然脑Aβ积累可以通过正电子发射断层扫描（淀粉样蛋白PET）和脑脊液检测（CSF检测）来检测，但这些检测的高成本和侵入性仍是亟待解决的问题。因此，近年来，众多研究致力于开发多种与阿尔茨海默病（AD）相关的血液生物标志物，以期提供一种更为便捷的筛查方法。然而，以往很少有研究评估使用常规临床数据来预测脑部Aβ积累模型的性能。本研究首次开发了一种机器学习模型，该模型利用了34项临床数据，包括背景数据（年龄、性别、吸烟史和病史）、常规血液检查数据（如肾功能、肝功能、甲状腺功能）以及痴呆护理中常规收集的简易智能状态检查（MMSE）项目，来预测淀粉样蛋白PET阳性。评估结果显示，该预测模型的曲线下面积（AUC）分别为0.70（仅结合背景数据和常规血液检查数据）和0.73（结合背景数据、常规血液检查数据和MMSE数据），表明该模型具有一定的预测准确性。

　　Aβ抗体已在AD早期阶段治疗中显示出可能提供更大益处的潜力1，因此，早期检测脑内Aβ积累显得至关重要。此机器学习模型能够利用常规医疗护理中收集的临床数据来预测脑部Aβ积累，预计将被初级保健医生广泛应用于AD的早期筛查。

　　通过利用该模型来确定淀粉样蛋白PET和CSF检测的必要性，预计将有助于AD的早期诊断和治疗启动，并减少患者的经济和身体负担。

　　信息来源/美通社

　　图片来源/网络创作

　　执行主编/尹学兵

　　值班编辑/谢曼丽