美国华盛顿大学医学院科学家研制出一款基于AI的血液检测分类器，能以92.3%的准确率，区分阿尔茨海默病、帕金森病、额颞叶痴呆和路易体痴呆这四种导致痴呆的常见脑病，并将它们与健康的脑衰老分开，有望改善早期诊断、疾病监测和个性化治疗。相关论文发表于新一期《阿尔茨海默病与痴呆症》杂志。
许多痴呆症患者从未得到过确切诊断，部分原因在于这些疾病症状交错、难以分辨。这款新工具不仅能将不同病种彼此区隔，还能将其与正常衰老引起的认知变化区分开来，更可以灵敏地发现患者体内是否并存多种病理过程，而这种混合病理在临床上常见且棘手，易使治疗变得复杂。
为开发这一工具，团队锁定了血液里15种蛋白质，它们反映了大脑的神经退行性改变，其中既包含久经验证的阿尔茨海默病病理标志物，也涵盖与突触功能、神经损伤及炎症相关的蛋白。团队利用3200余人的血液蛋白数据训练并测试了AI分类器，这些数据来自临床确诊的阿尔茨海默病、帕金森病、额颞叶痴呆、路易体痴呆患者以及认知正常的对照人群。
随后，该模型在另一组225人中接受了独立验证，最终取得了92.3%的总体诊断准确率，并能精准识别出仅患有单一神经退行性疾病的病例。该模型还捕捉到了那些起初被诊断为帕金森病、后来却进展为痴呆的患者体内的生物学变化，凸显了其检测混合病理的独特能力，这一能力仅凭临床评估根本无法企及。
这项血检目前尚未成熟到可以临床应用，还需要在更大规模、更多样化的人群中进一步验证。
