一種新型數(shù)學模型為更好地預測和治療阿爾茨海默病帶來了希望。

杜克大學醫(yī)學院

4月2日消息

目前，大多數(shù)阿爾茨海默病的數(shù)學模型都是理論模型，側(cè)重于短期內(nèi)無法在患者中測量的分子和細胞水平變化。然而，杜克大學醫(yī)學院（Duke University School of Medicine）和賓夕法尼亞州立大學（Pennsylvania State University）的研究人員利用來自 800 多名認知能力各異的真實世界數(shù)據(jù)，開發(fā)了阿爾茨海默病生物標志物級聯(lián)（Alzheimer’s Disease Biomarker Cascade，ADBC）模型。

這種個性化的方法發(fā)表在《阿爾茨海默病預防雜志》（Journal of the Prevention of Alzheimer’s Disease）上，它超越了傳統(tǒng)的診斷方法，通過納入個人的生物標志物來預測其疾病進展。

研究于2024年1月8日發(fā)表在《Journal of the Prevention of Alzheimer’s Disease》（最新影響因子：6.4）雜志上

受試者參與了阿爾茨海默病神經(jīng)影像學計劃（ADNI），這是一項多國縱向研究，跟蹤受試者從正常認知到輕度認知障礙，再到失智癥的過程，期間進行了連續(xù)的認知測試、影像檢查和體液生物標志物數(shù)據(jù)收集，時間跨度長達二十年。

ADBC 模型通過分析參與者的腦脊液、腦部掃描和記憶測試，尋找每個人狀況的獨特模式或線索。

該模型結合了理論和個體生物標志物數(shù)據(jù)，預測阿爾茨海默病在個別患者中的演變情況和治療反應。通過分析當前的生物標志物，該模型能夠以驚人的準確性預測特定患者未來這些標志物可能發(fā)生的變化。

研究人員表示，該模型為重新分類阿爾茨海默病臨床譜系中的個體以及制定針對性的治療策略打開了大門。

杜克大學醫(yī)學院神經(jīng)放射學家、阿爾茨海默病影像學研究實驗室主任 Jeffrey R. Petrella 博士說：“長期以來，阿爾茨海默病一直被視為單一疾病。這項研究表明，該疾病在每個人身上的進展都不同，具有獨特的生物標志物變化模式。”

Petrella領導了杜克大學的研究團隊，包括 Juliet Jiang、Kashyap Sreeram、Sophia Dalziel 和 Murali Doraiswamy 博士，并與賓夕法尼亞州立大學數(shù)學教授、資深研究作者 Wenrui Hao 博士一起，探討了定制阿爾茨海默病因果模型的可行性。

阿爾茨海默病的特點是大腦發(fā)生變化，包括可能損害神經(jīng)元和影響其他類型腦細胞的淀粉樣蛋白斑塊和神經(jīng)原纖維纏結。新藥在減少大腦中 β-淀粉樣蛋白以及減緩阿爾茨海默病導致的記憶和思維下降方面取得了成功。

“我設想將這一模型用于臨床治療，作為精準醫(yī)療方法的一部分，” Petrella  說，“該模型可以制定最佳治療方案建議，幫助患者隨時間推移取得最佳可能結果，同時盡量減少副作用。”治療方案可能是一種藥物或多種療法的組合。

該模型為每個患者確定了 14 個個性化參數(shù)。這些參數(shù)反映了與阿爾茨海默病相關的各種生物標志物的增長率、起點（潛伏期值）和最高水平（承載能力）。重要的是，這些參數(shù)在按臨床診斷分類的個體之間差異顯著，表明它們反映了疾病過程中具有臨床意義的方面。

在針對現(xiàn)有數(shù)據(jù)進行測試時，ADBC 模型以高準確度預測了未來生物標志物水平，整個研究組的平均誤差率僅為 9%。即使應用于個別患者，該模型的準確性也保持強勁，超過 80% 的患者在預測未來生物標志物點時表現(xiàn)出低誤差率。

該研究還揭示了一個可能至關重要的發(fā)現(xiàn)。通過分析個性化參數(shù)，研究人員確定了兩個截然不同的患者群。這些患者群似乎代表了不同的“內(nèi)表型”，即影響疾病進展的不同潛在生物學特征。

研究人員強調(diào)，有必要進行更多研究，以在更大且更多樣化的社區(qū)患者群體中驗證這些發(fā)現(xiàn)。

創(chuàng)立于1838年的杜克大學

明日停更一天

參考文獻

Source：Duke University

Personalized Model Unveils Hidden Patterns in Alzheimer’s Progression

Reference：

Petrella, J.R., Jiang, J., Sreeram, K. et al. Personalized Computational Causal Modeling of the Alzheimer Disease Biomarker Cascade. J Prev Alzheimers Dis 11, 435–444 (2024). https://doi.org/10.14283/jpad.2023.134

免責聲明

本公眾號上的醫(yī)療信息僅作為信息資源提供與分享，不能用于或依賴于任何診斷或治療目的。此信息不應替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關特定醫(yī)療狀況的指導之前，請咨詢你的醫(yī)生。

       原文標題 : 個性化模型揭示阿爾茨海默病進展中的隱藏模式