近日南加州大學的研究人員在醫學數據中發現了一些“隱藏的因素”，這些因素可以對阿爾茨海默癥進行預測。

【 圖片來源：USC Neuroscience Graduate Program】

通常來說，年齡是導致老年癡呆癥發展的最大危險因素，但研究人員認為，大多數老年癡呆癥的發生是由于基因和其他因素之間的復雜相互作用造成的，不過目前是哪些因素在起作用還不清楚。

南加州大學的研究人員利用”相關性解釋（Correlation Explanation，CorEx）“的機器學習方法，發現了阿爾茨海默癥的“隱藏因素”。這項題為“發現衰老大腦中阿爾茨海默癥風險的生物學相關外周特征”的研究發表在雜志《Frontiers in Aging Neuroscience》。

研究人員將800多名參與者的腦成像、血漿和人口統計信息等400多種潛在生物標記物組合起來，用機器學習來識別潛在的基于血液的阿爾茨海默病標志物。這些標志物可以幫助老年病癥進行無創早期診斷，跟蹤患者的疾病進展。

結果表明：β淀粉樣蛋白和Tau蛋白是阿茲海默病最關鍵的指標。同時，CorEx還發現心血管健康、激素水平、新陳代謝、免疫系統都與阿茲海默病有所關聯。

“這種類型的分析是發現數據模式以識別疾病關鍵診斷標志物的一種新方法，”南加州大學馬克學院、研究小組成員保羅·湯普森和南加州大學凱克醫學院教授瑪麗·史蒂文斯表示，“在一個龐大的健康測量數據庫中，它幫助我們發現了阿爾茨海默癥的預測特征。”

識別生物標志物

迄今為止大多數阿爾茨海默癥的研究都集中在已知的假設上，例如大腦中β淀粉樣蛋白和Tau蛋白的積聚。但事實證明，這兩種物質在血液中都很難測量。

因此，通常的阿爾茨海默癥診斷測試主要基于患者記憶。不幸的是，當一個人開始表現出記憶喪失的跡象時，他們可能已經患了幾十年的這種疾病。在癥狀出現之前及早發現疾病是一個關鍵步驟，以便后期通過藥物治療改變生活方式。

南加州大學的神經科學家想知道是否還有其他阿爾茨海默癥的“隱藏”指標——可以通過常規血液測試檢測到的因素。他們利用CorEx算法，并獲得CorEx開發者格雷格·弗·施泰格（Greg Ver Steeg）的幫助。

2013年，南加州大學信息科學研究所（ISI）的高級研究負責人Greg Ver Steeg開發了“相關解釋（CorEx）”的機器學習方法，此方法能夠在包括神經科學，心理學和金融學等領域中開發新的研究模式。

Ver Steeg說：“可能沒有單一的預測因素表明你是否有可能出現認知衰退或者它有多嚴重，但也許有一些指標可以作為更好的預測信號。我們正在研究的問題是，除了預測阿爾茨海默氏癥，該算法是否還可以更好預測其他病癥因素的特征組。”

湯普森表示，越來越多的生物標志物可以為未來預測和診斷提供更好的依據，為血液檢測提供新的目標。在未來的研究中，他和他的團隊希望在更多的患者群體中確認結果，并使用Ver Steeg的方法找出其他疾病的隱藏因素，如精神分裂癥和抑郁癥。

AI應用老年癡呆癥檢測

全球約有4680萬名阿爾茲海默癥患者。相比醫生憑借癥狀判斷老年癡呆癥，不少研究團隊已經發現了AI檢測老年癡呆癥的優勢。

2018年11月，斯坦福大學的研究人員開發了一種基于深度學習的系統，可從核磁共振成像中自動檢測阿爾茲海默癥及其生物標志物，準確率高達94%。

該團隊采用CUDNN-accelerated TensforFlow深度學習框架，基于Alzheimer’s Disease Neuroimaging Initiative提供的數據集，訓練3D卷積神經網絡。該神經網絡學會解釋大腦不同區域及其與疾病的關聯，包括與阿爾茲海默癥相關的生物標志物。

人工智能對早期阿爾茲海默癥等老年疾病進行檢測的意義在于，醫生可以在病人出現任何早期癥狀之前改變病人的生活方式，從而延緩疾病的發展，減少病人以及家屬的痛苦。