Alzheimer Dementia: 机器学习揭示的AD生物标志物组合模型可精确预测阿尔茨海默病发生
2023-04-12 MedSci原创 MedSci原创 发表于上海
这些结果揭示了 "A/T/N "框架在中国人群中的普遍适用性，并建立了一个最佳的诊断模式，包括诊断AD的经济和非侵入性方法。
阿尔茨海默病 (AD) 是一种不可逆的进行性脑部疾病，是导致老年人痴呆的最常见原因。尽管 AD 对患者和社区造成沉重负担，但目前尚无针对 AD 的疾病缓解治疗。2018年，提出了AD的生物学分期模型，称为ATN系统;它是基于神经病理变化或生物标记物分类使用的三种生物标志物:淀粉样蛋白(A)、tau蛋白(T)和神经退行性变(N)，它们被认为是症状性AD的主要因果机制，也是临床实践和临床试验的一个重要需求。
因为目前对AD的发病机制还不完全了解，导致了高的AD临床试验失败率。为了检验 "A/T/N "系统在中国人群中的效用，来自中国科学技术大学生命科学院的申勇教授在一个新建立的中国队列中研究了阿尔茨海默病（AD）的核心生物标志物。
申勇教授团队共选择了411名参与者，包括96名认知正常人、94名轻度认知障碍（MCI）患者、173名AD患者和48名非AD痴呆患者。用单分子阵列测量流体生物标志物。通过18F-Flobetapir正电子发射断层扫描（PET）确定淀粉样β（Aβ）的沉积，并使用磁共振成像（MRI）对脑萎缩进行量化。
结果显示，在AD患者的脑脊液（CSF）和血浆中，Aβ42/Aβ40减少，而磷酸化tau（p-tau）的水平增加。CSF Aβ42/Aβ40、CSF p-tau和血浆p-tau在区分AD和非AD痴呆症或老年对照之间显示出高度的一致性。血浆p-tau、脂蛋白E（APOE）基因型和MRI测量的组合可准确预测淀粉样蛋白PET状态。
综上，这些结果揭示了 "A/T/N "框架在中国人群中的普遍适用性，并建立了一个最佳的诊断模式，包括诊断AD的经济和非侵入性方法。
参考文献：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
学习了，深受启发
69