研究人員利用AI尋找新的阿茲海默症風險因素

(SeaPRwire) –   腦部專家對一些主要的阿茲海默症風險因素有相當好的了解—從個人的基因到他們的體能活動水平,他們接受的正式教育程度有多少,以及他們的社交參與程度。

但AI在醫學中的一個承諾是,它可以發現人類無法總是看到的更不明顯的聯繫。AI能否幫助發現與阿茲海默症有關聯但目前被忽視的條件?

為了找出答案,加州大學舊金山分校(UCSF)的Marina Sirota及其團隊運行了一個機器學習程序,在包含匿名電子醫療記錄資料庫的患者資料上訓練。AI算法訓練找出在7年期間最終被診斷為阿茲海默症的人之間共有的特徵。資料庫包括臨床數據,如實驗室和影像檢測結果以及醫學狀況診斷。

「我們看到的一些事情符合我們對阿茲海默症已知知識的預期,但其中一些新發現很有趣,」Sirota表示。結果被。

心臟病、高膽固醇和炎症狀況都表明是阿茲海默症的風險因素—不出奇,因為它們知道會導致大腦蛋白斑塊的積聚。但較不預期的條件包括婦女的骨質疏鬆症和男女患者的抑鬱症。研究人員也在診斷接近時發現了意外的模式,如男女患者維生素D水平較低。

Sirota和生物工程領域的醫學生Alice Tang(本研究論文的首席作者)強調,這些因素不一定意味著一個人會發展阿茲海默症。但它們可能是患者可以處理以潛在降低風險的紅旗。「發現這些因素為我們提供線索,阿茲海默症的診斷可能即將出現,像[高膽固醇]和骨質疏鬆症等可以通過治療改善,」Tang表示。

是否治療這些問題實際上可以降低一個人發展阿茲海默症的風險目前還不清楚;該研究的設計不是為了回答這個問題。Sirota和她的團隊計劃繼續挖掘醫療記錄資料庫,以確定是否治療骨質疏鬆症或高膽固醇等狀況的患者,最終的阿茲海默症風險是否低於那些患有這些狀況但未治療的患者。「我們可以回顧性地查看電子醫療記錄中的治療數據,所以這確實是未來一個方向,以確定我們是否可以利用任何現有療法降低風險,」Sirota表示。

Tang還尋找與高膽固醇或骨質疏鬆症以及阿茲海默症有關的遺傳因素,進一步解釋這些風險因素之間的聯繫。膽固醇與阿茲海默症之間的聯繫最終與ApoE基因有關;科學家已知ApoE基因的特定形式ApoE4與更高的阿茲海默症風險有關。Tang還識別出一個與骨質疏鬆症和阿茲海默症都有關的基因,可能成為新的研究目標,用於可能的治療。

該研究顯示機器學習在幫助科學家更好地理解像阿茲海默症這樣複雜疾病背後驅動因素以及其潛在新治療方法的能力。

TIME更多內容