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很好的了解,例如一個人的基因、體能活動水平、接受的正式教育程度以及社交參與程度。

但人工智慧在醫學中的一個優點,是它可以發現人類可能看不到的更微妙的聯繫。人工智慧是否有助於發現一些至今被忽視的與阿茲海默症相關的狀況?

為了找出答案,加州大學舊金山分校(UCSF)的馬里娜·西羅塔(Marina Sirota)及其團隊運行了一個機器學習程式,對一個包含匿名電子醫療記錄資料庫進行訓練。該人工智慧算法訓練辨識在7年期間最終被診斷出阿茲海默症的病人之間共有的特徵。該資料庫包括臨床數據,如實驗室和影像檢查結果以及醫學狀況診斷。

「我們看到的一些預期結果,考慮到我們對阿茲海默症的了解,但其中一些發現對我們來說是新穎和有趣的,」西羅塔說。結果是。

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質沉積的增加。但較不預期的狀況包括婦女的骨質疏鬆症和男女患者的抑鬱症。研究人員還發現在診斷時間更近的模式,例如男女患者維生素D水平較低。

西羅塔和生物工程醫學生艾麗絲·唐,也就是該論文的首席作者,強調這些因素不一定意味著一個人會發展阿茲海默症。但它們可能是可以通過減低風險來處理的紅旗。「發現這些因素為我們提供線索,表明阿茲海默症的診斷可能即將來臨,像[高膽固醇]和骨質疏鬆症等可以通過治療來改變,」唐說。

是否治療這些問題真的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。西羅塔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患有這些狀況但未接受治療的患者。「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,以確定是否可以利用任何現有治療降低風險,」西羅塔說。

唐還尋找與高膽固醇或骨質疏鬆症以及阿茲海默症相關的基因因素,以進一步解釋這些風險因素與阿茲海默症之間的聯繫。膽固醇與阿茲海默症之間的聯繫最終被證實與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。唐還識別出一個與骨質疏鬆症和阿茲海默症都有關的基因,可能成為一個新的研究目標,以尋求可能的治療。

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的更多內容