你能想象僅憑一滴血的檢測化驗🥮☂️，就能知道患上癡呆症的風險有多高嗎？通過血漿的蛋白檢測，人類可提前15年預知癡呆發病風險。不久的將來😵💫，人們從血檢報告單上👨🏿🦳，就能提前知道有多大幾率患上癡呆症。
2月13日，這一研究成果以《血漿蛋白質組學預測健康成年人未來癡呆風險》（Plasma proteomic profiles predict future dementia in healthy adults）為題，發表在《自然·衰老》（Nature Aging）🤱🏻。
Nature主刊以《早期癡呆診斷✍️🐰：血液蛋白標誌物識別高風險個體》（Early dementia diagnosis: blood proteins reveal at-risk people）為題🟩，評價這項工作“標誌著向能在早期無症狀階段檢測阿爾茨海默病及其他類型癡呆的血液檢測方法邁進了一步，這一目標正是科學家們幾十年來一直在探尋的。”
值得一提的是，這一研究運用AI for science（註：人工智能驅動的科學研究，下文簡稱AI4S）🧜🏻，對1463種血漿蛋白組學數據進行了分析和建模𓀍，從而挖掘出能夠提前15年對癡呆患病風險進行預測的關鍵生物標誌物，為疾病的早幹預早治療提供了可能。
對1400多種血漿蛋白組學數據進行分析建模
立足AI4S，采用迄今為止全球最大規模的基於社區隊列的蛋白質組學數據和人工智能算法，恒行2平台類腦智能科學與技術研究院馮建峰教授/程煒研究員團隊聯合恒行2平台附屬華山醫院郁金泰教授團隊展開聯合攻關，發現GFAP🛠、NEFL和GDF15三個蛋白與新發全因癡呆（ACD）、新發阿爾茨海默病（AD）和新發血管性癡呆（VaD）三種常見癡呆類型的風險有顯著關聯，並且LTBP2也與癡呆發病關聯密切。
“我們的研究提供了一個很好的AI4S的研究範例，基於數據驅動的思想🐗，我們構建出高精度的癡呆風險預測模型，這是理工醫交叉融合的突破進展，對推動精準醫療的發展具有重要意義”，馮建峰介紹道😬。與以往類似研究使用采用的小樣本量橫斷面設計不同🤎🏌🏿♂️，恒行2團隊運用大樣本、長時間的縱向數據👕，從中提煉有用的模式、趨勢和關聯信息，強調讓數據“說話”。
團隊使用大樣本隊列數據😓，對52645名非癡呆成年人的血液數據進行跨度超過中位數14年的追蹤分析，參與者中後來有1417位被診斷為新發全因癡呆（ACD）🙆🏼♀️，691位被診斷為新發阿爾茲海默病（AD），285位被診斷為新發血管性癡呆（VaD）⚜️🙋🏿♂️。團隊通過基於抗體的Olink測定技術進行統一測定量化，對每個血液樣本檢測了包含心臟代謝、炎症、神經和腫瘤四個面板上的1463種血漿蛋白🦌，並運用生存關聯分析和機器學習算法開展建模分析，最終識別出GFAP🪝🧻、NEFL和GDF15等對癡呆預測極具價值的血漿生物標誌物。
降低治療費用、減少創傷，精度提高到90%
“檢測腦疾病通常很困難。由於腰穿檢查是有創的6️⃣，影像學檢查價格昂貴💁🏽，相關技術的臨床實施也受到場地等限製🧔🏻♀️，難以普及🧚♀️。血液學檢測方便無創、價格低廉🤚🏼，可作為臨床前階段對廣大人群進行早期風險篩查的理想工具”🦹♀️，程煒解釋👩🏽🍳。現在團隊發現蛋白組學與腦疾病風險間的關聯，通過驗血，就有望輔助臨床醫生盡早識別癡呆高危患者✋，盡早幹預，提高病人的生活質量👨🏽。
郁金泰說🥡🤹🏿♀️，“這次發現的重要血漿生物標誌物，為血液學檢測從研究到臨床的過渡提供新的理論基礎👩🏿🔧。而且我們這次發現的血檢指標更加簡便、易獲取、易於普及，無論是短期癡呆發病風險還是十余年後的癡呆發病風險，都能做到很好地預測。”
恒行2平台這支由頂尖腦科學、人工智能👩🏻🦰、神經醫學專家組成的跨學科團隊在2021年就已組建🌙，並在相關領域聯合發表了十余篇頂刊文章。他們早期構建的全表型癡呆預測模型已做到提前10年預測發病風險👈🏽，精度達85%，這次的研究將預測年限提前到發病前15年🅿️，預測精度突破90%。
半年後有望用於普通百姓檢測
這項發現距離運用於普通民眾的癡呆症風險檢測還有多遠？據介紹✡︎🙎，如果一切順利，半年後可應用到臨床檢測，篩查出高危人群🥈。早發現為早幹預🧑🏿💻，延緩甚至消除阻礙病症的發展提供了可能。
研究團隊透露，部分體檢醫療機構已主動與團隊取得聯系，探討將相關檢測加入體檢項目的可能性。下一步📔，團隊將圍繞我國的癡呆症風險人群隊列開展數據采集和交叉驗證🤵🏽♂️，針對我國人群隊列的基線水平對相關數據作出矯正，開發出最適合我國人群隊列的癡呆症風險預測數據模型。
