研究人員選取了排名前十的癡呆預(yù)測因子，構(gòu)建了UKB-DRP癡呆預(yù)測模型。該模型能夠預(yù)測個體在五年、十年甚至更長時間內(nèi)是否會發(fā)病，篩查出處于癡呆癥病程早期的群體，使高風險人群“記憶的橡皮擦”放緩步伐。

醫(yī)學上常見的癡呆癥包括阿爾茨海默病、血管性癡呆等，其中阿爾茨海默病占比最高。在我國60歲及以上人口中，約有1500萬名癡呆癥患者，其中1000萬人患有阿爾茨海默病。然而，對于癡呆癥，我們既沒有完全了解病理，也尚無有效的治療方法。

近日，復(fù)旦大學附屬華山醫(yī)院神經(jīng)內(nèi)科主任醫(yī)師郁金泰臨床研究團隊聯(lián)合復(fù)旦大學類腦智能科學與技術(shù)研究院馮建峰教授、程煒青年研究員算法團隊開發(fā)了UKB-DRP癡呆預(yù)測模型，該模型能夠預(yù)測個體在五年、十年甚至更長時間內(nèi)是否會發(fā)病，篩查出處于癡呆癥病程早期的群體，使高風險人群“記憶的橡皮擦”放緩步伐。相關(guān)研究成果近日發(fā)表于柳葉刀子刊《電子臨床醫(yī)學》。

癡呆癥需早發(fā)現(xiàn)早干預(yù)

癡呆癥起病隱匿且病情發(fā)展緩慢，往往難以確定發(fā)病時間。作為癡呆癥最常見的類型，阿爾茨海默病可以使病人在發(fā)病前20年就出現(xiàn)病理改變，較長的潛伏期使病人在臨床診斷時常常錯過了最佳治療時間。目前，全世界已有超過5500萬人患有癡呆癥，據(jù)世衛(wèi)組織預(yù)計，2050年全球癡呆癥患者將達到1.52億。

為了實現(xiàn)早發(fā)現(xiàn)、早干預(yù)、早治療，越來越多的研究團隊開始對癡呆癥的早期生物標記物進行研究，探尋其對疾病早期預(yù)測的有效性。

目前，全球范圍內(nèi)對于癡呆癥風險預(yù)測的模型更多是基于傳統(tǒng)統(tǒng)計學方法構(gòu)建的評分量表。例如經(jīng)典的CAIDE評分、倫敦大學學院開發(fā)的DRS評分以及澳大利亞國立大學開發(fā)的ANU-ADRI評分等。郁金泰告訴科技日報記者，CAIDE評分是目前臨床十分常用的癡呆癥評分系統(tǒng)，該評分系統(tǒng)納入的指標數(shù)量少，易獲取、計算快，但評分相對精度略有欠缺。ANU-ADRI評分將既往研究發(fā)現(xiàn)的風險因子根據(jù)研究文獻中匯報的風險比值進行了系統(tǒng)的整合；DRS評分除了納入常規(guī)指標外，還更系統(tǒng)地考慮了被試者的病史和服藥史。這些評分量表均有重要的參考價值。

隨著人工智能在醫(yī)療領(lǐng)域的廣泛應(yīng)用，越來越多的研究團隊開始利用基于海量數(shù)據(jù)推演的機器學習手段來構(gòu)建預(yù)測模型。郁金泰告訴記者，部分機器學習模型在進行風險因子挑選時往往追求模型的預(yù)測精度而忽略了模型的潛在應(yīng)用場景，例如部分模型的預(yù)測指標需要從PET影像或腦脊液中提取，這導(dǎo)致模型更多局限于科研領(lǐng)域，很難實現(xiàn)廣泛的現(xiàn)實應(yīng)用。

“隨著民眾對于癡呆癥的重視，國內(nèi)相關(guān)研究日漸增多，但在疾病風險預(yù)測這一領(lǐng)域尚無高質(zhì)量的研究成果�！庇艚鹛┱f。而UKB-DRP癡呆預(yù)測模型則填補了國內(nèi)研究的空白，并實現(xiàn)了模型預(yù)測精度與應(yīng)用場景的結(jié)合。

新型癡呆預(yù)測模型效能高

郁金泰團隊聯(lián)合馮建峰、程煒團隊通過“醫(yī)學+人工智能”的跨學科交叉融合，利用人工智能算法研究了海量的中老年人的健康信息，選取了排名前十的癡呆預(yù)測因子，構(gòu)建了UKB-DRP癡呆預(yù)測模型。

研究團隊隨訪了超過40萬名40—69歲的非癡呆人群，在超過10年的隨訪過程中，5000余名參與者被診斷為癡呆癥。研究團隊將參與人群的基因、認知、生化、行為等多維度的健康相關(guān)指標全部作為潛在預(yù)測因子，采用機器學習對大樣本、高維度的復(fù)雜數(shù)據(jù)進行深入加工和挖掘，選出了重要程度排名前十的癡呆預(yù)測因子，并構(gòu)建了UKB-DRP癡呆預(yù)測模型。這一模型對于全因癡呆及其重要亞型阿爾茨海默病均具有較高的預(yù)測效能。

“相比通過臨床先驗知識選取預(yù)測因子的候選策略，我們的研究將所有與癡呆癥潛在相關(guān)的指標都納入進來，通過機器學習選取預(yù)測因子，不僅可以反映更真實的情況，還發(fā)現(xiàn)了一些其他團隊沒有想到的指標。”郁金泰說，“這種基于數(shù)據(jù)驅(qū)動的研究方法，幫助我們在更廣泛的表型數(shù)據(jù)中篩選出最優(yōu)的預(yù)測因子組合，同時還擺脫了過分依賴臨床先驗知識對指標篩選的束縛。”

根據(jù)指標對癡呆預(yù)測模型的重要性，機器學習算法排列并篩選出了十個癡呆預(yù)測因子，分別是年齡、載脂蛋白E（ApoE）基因、認知配對測試時長、腿部脂肪百分比、服藥數(shù)量、認知反應(yīng)測試時長、呼氣峰流量、母親死亡年齡、慢性疾病和平均紅細胞體積。

AUC值是對患者發(fā)病概率進行預(yù)估時最常用的指標，AUC值越接近1.0代表著檢測方法預(yù)測的精度越高，模型的效果越好。研究顯示，UKB-DRP癡呆預(yù)測模型對全因癡呆的預(yù)測AUC值為0.85，而對阿爾茨海默病的預(yù)測AUC值可達0.86—0.89。郁金泰告訴記者，UKB-DRP癡呆預(yù)測模型的效能比現(xiàn)有的其他預(yù)測模型更為精準。同時，這些預(yù)測因子能夠在基層醫(yī)療機構(gòu)中便捷獲取，具有較廣的應(yīng)用前景。

新模型可在基層社區(qū)推廣

根據(jù)《中國阿爾茨海默病報告2021》，2019年導(dǎo)致我國人群死亡的疾病中，阿爾茨海默病已經(jīng)上升到第5位。同時，該病還出現(xiàn)了年輕化的趨勢。在這種背景下，癡呆風險預(yù)測模型的研究意義重大。

郁金泰告訴記者，癡呆風險預(yù)測模型能在一定程度上促進藥物的研發(fā)和生產(chǎn)�！按饲埃瑖�際上多種阿爾茨海默病的靶向調(diào)修藥物在臨床試驗階段宣告失敗，其中一個重要原因就是納入的受試者異質(zhì)性較大。”郁金泰說，“癡呆風險預(yù)測模型能夠較為精準的識別高風險人群，為藥物臨床試驗的受試者招募提供參考。同時，對預(yù)測模型中具體指標在發(fā)病機制上的深入探究，也能在一定程度上給未來的新藥研發(fā)提供方向�！�

更為重要的是，癡呆風險預(yù)測模型還可以篩查出病程處于早期的癡呆癥人群，通過預(yù)防指南、使用藥物等干預(yù)方式，讓“記憶的橡皮擦”擦得更慢些。

“近期，渤健和衛(wèi)材阿爾茨海默病新藥Ⅲ期臨床試驗結(jié)果非常好，可以延緩認知衰退。如果這款藥能夠上市，病人需要盡早服用，越早用效果越好，而UKB-DRP癡呆預(yù)測模型則可以將處于癡呆早期階段的人篩選出來，再通過各類干預(yù)手段延緩這類人群的病情發(fā)展�！庇艚鹛┱f。

郁金泰認為，癡呆風險預(yù)測模型的臨床推廣可以提高國內(nèi)神經(jīng)科醫(yī)師對臨床前期癡呆的甄別與診治能力，促進形成針對癡呆高危人群的篩查策略和規(guī)范化的癡呆評估體系，為老年人群的健康管理提供指導(dǎo)。在郁金泰看來，癡呆預(yù)測模型最主要的推廣途徑是基層社區(qū)。

目前國內(nèi)基層社區(qū)越來越重視慢病管理，常常組織老年人開展集體體檢、自測慢病等活動，而癡呆癥風險的預(yù)測或可納入其中。“中國有認知障礙的、確診癡呆癥的患者多達千萬人，高危人群則要比確診患者更加龐大，所以癡呆風險預(yù)測模型作為一個早篩工具可以在社區(qū)實現(xiàn)推廣應(yīng)用，發(fā)揮重要的慢病防控價值�！庇艚鹛┱f。

UKB-DRP癡呆預(yù)測模型的指標可以通過問卷、簡單查體和血常規(guī)檢查獲取，相比其他模型的指標，獲取方式更加便捷，也更有可能廣泛應(yīng)用于各級醫(yī)療單位開展的癡呆早期篩查。

未來，郁金泰團隊希望能夠進一步優(yōu)化模型�！巴ㄟ^模型評估，個體可以了解自己需要關(guān)注的問題，明白如何盡快干預(yù)、預(yù)防癡呆癥發(fā)病風險。未來，我們一方面希望能在納入更多指標的同時，讓指標盡可能簡單易得，另一方面希望實現(xiàn)更為精準的個體預(yù)測，甚至可以預(yù)測個體每一年的癡呆癥發(fā)病風險�！庇艚鹛┱f。（實習記者 蘇菁菁）