（上海14日讯）中国复旦大学的研究团队，采用大规模蛋白质组学数据和人工智能算法，发现了预测未来痴呆风险的重要血浆生物标志物，人类可提前15年预知痴呆发病风险。
澎湃新闻报导，这一研究成果在周二以〈血浆蛋白质组学预测健康成年人未来痴呆风险〉（Plasma proteomic profiles predict future dementia in healthy adults）为题，发表在《自然·衰老》杂志（Nature Aging）。
研究团队指出，以阿兹海默症（老年痴呆症）为代表的痴呆症，已成为严重影响居民健康和经济发展的重大公共卫生问题。在临床症状出现前，痴呆症存在数年甚至数十年的隐匿期，15至20年可能无症状，早期表现容易与正常老化相混淆。当患者出现显著认知行为障碍等症状，前往医院就诊时，疾病往往已进展到中晚期，错过干预的最佳时期，医生也束手无策。
运用人工智能驱动科学研究
在这项研究中，团队研究运用AI for science（人工智能驱动的科学研究，简称AI4S），采用迄今为止全球最大规模、基于社区队列的蛋白质组学数据和人工智能算法，对1463种血浆蛋白组学数据进行了分析和建模，发现3个蛋白GFAP、NEFL和GDF15，与新发全因痴呆（ACD）、新发阿兹海默症（AD）和新发血管性痴呆（VaD）3种常见痴呆类型的风险有显著关联，并且LTBP2也与痴呆发病关联密切。
“我们的研究提供了一个很好的AI4S的研究范例，基于数据驱动的思想，我们构建出高精度的痴呆风险预测模型，这是理工医交叉融合的突破进展，对推动精准医疗的发展具有重要意义。”复旦大学类脑智能科学与技术研究院的冯建峰教授指出，与以往类似研究采用的小样本量横断面设计不同，此次复旦团队运用大样本、长时间的纵向数据，从中提炼有用的模式、趋势和关联信息，强调让数据“说话”。
团队使用大样本队列数据，对5万2645名非痴呆成年人的血液数据，进行跨度超过中位数14年的追踪分析，参与者中后来有1417人被诊断为新发全因痴呆，691人被诊断为新发阿兹海默症，285位被诊断为新发血管性痴呆。
团队通过基于抗体的Olink测定技术，进行统一测定量化，对每个血液样本，检测了包含心脏代谢、炎症、神经和肿瘤4个面板上的1463种血浆蛋白，并运用Cox模型和机器学习算法展开建模分析，最终识别出GFAP、NEFL和GDF15等对痴呆预测极具价值的血浆生物标志物。
为进一步提高预测的准确性，研究团队将蛋白质筛选过程，转化为一个优化组合的数学问题。通过运用信息增益和轻量提升机等基于机器学习的算法，成功挖掘出对早期识别痴呆最为有效的蛋白质组合。这些算法不仅考虑了单个蛋白质的作用，还充分考虑了蛋白质之间的相互作用和协同效应，从而可实现更高精度的预测。
距离应用于普通民众有多远？
为确保模型的可靠性和稳定性，团队在不同亚组人群中进行多重验证，模型均表现出良好的预测性能，为痴呆症的早期识别提供了有力工具。
“血液学检测方便无创、价格低廉，可作为临床前阶段对广大人群进行早期风险筛查的理想工具。”研究员程炜解释，现在团队发现蛋白组学与脑疾病风险间的关联，通过验血，就有望辅助临床医生尽早识别痴呆高危患者，尽早干预，提高病人的生活质量。
复旦大学附属华山医院的郁金泰教授同时称：“这次发现的重要血浆生物标志物，为血液学检测从研究到临床的过渡提供新的理论基础。而且我们这次建立的模型更加简便、易获取、易于普及，无论是短期痴呆发病风险，还是十馀年后的痴呆发病风险，都能做到很好地预测。”
对于距离痴呆症风险检测应用于普通民众还有多远？研究团队表示，如果一切顺利，半年后可应用到临床检测，筛查出高危人群。目前已有体检医疗机构主动与团队取得联系，探讨将相关检测加入体检项目的可能性。
