加州大學舊金山分校的科學家利用機器學習技術開發了一種方法，透過分析病人的病歷，確定高膽固醇和骨質疏鬆症（女性）是關鍵的預測因素，從而在阿茲海默症出現症狀前七年預測該病。這項突破展示了人工智慧在早期疾病預測和了解疾病風險背後的生物學方面的潛力，並有望推動阿茲海默症和其他複雜疾病的診斷和治療。

對預測阿茲海默症影響最大的病症是高膽固醇，而對女性來說，則是骨質疏鬆症。這項工作展示了利用人工智慧（AI）發現臨床數據中的模式的前景，然後可以利用這些模式搜尋大型基因資料庫，以確定是什麼在驅動這種風險。研究人員希望，有朝一日它能加快阿茲海默症和其他複雜疾病的診斷和治療。

加州大學舊金山分校的科學家利用機器學習技術開發了一種方法，可以透過檢查病人的病歷，在出現症狀前七年預測阿茲海默症的發病時間。

這項研究的第一作者、加州大學舊金山分校西羅塔實驗室的醫學博士/博士生愛麗絲-唐（Alice Tang）說：”這是在常規臨床數據上使用人工智慧的第一步，不僅能儘早辨識風險，也能了解風險背後的生物學原理。”這種人工智慧方法的威力來自於根據疾病組合來識別風險”。

這些研究結果最近發表在《自然-老化》雜誌上。

臨床數據和預測能力

長期以來，科學家一直在努力探索阿茲海默症的生物學驅動因素和早期預測因素。阿茲海默症是一種漸進性的、最終致命的癡呆症，會破壞人的記憶。阿茲海默症影響約670 萬美國人，其中近三分之二是女性。患病風險隨著年齡的增長而增加，女性往往比男性長壽，但這並不能完全解釋為什麼女性患者比男性多。

研究人員利用加州大學舊金山分校的臨床資料庫（該資料庫包含500 多萬名患者），對在加州大學舊金山分校記憶與老化中心確診為阿茲海默症的患者與未確診為阿茲海默症症的患者進行了對比，發現他們能以72% 的預測能力識別出哪些患者會在7 年前患上阿茲海默症。

包括高血壓、高膽固醇和維生素D 缺乏在內的一些因素對男性和女性都有預測作用。勃起功能障礙和攝護腺肥大也是男性的預測因子。但對女性來說，骨質疏鬆症是一個特別重要的預測因子。

這並不意味著所有患有這種常見於老年婦女的骨骼疾病的人都會患上老年癡呆症。

“正是疾病的綜合作用使我們的模型能夠預測AD的發病，”Tang說，”我們發現骨質疏鬆症是女性的一個預測因素，這凸顯了骨骼健康與癡呆症風險之間的生物學相互作用。”

精準醫療方法

為了了解該模型預測能力背後的生物學原理，研究人員求助於公共分子資料庫和加州大學舊金山分校開發的一種名為SPOKE（可擴展的精準醫學導向知識引擎）的專用工具，該工具是由加州由大學舊金山分校威爾神經科學研究所成員、神經病學教授塞爾吉奧-巴蘭齊尼（Sergio Baranzini）博士的實驗室開發的。

SPOKE 基本上是一個資料庫的資料庫，研究人員可以利用它來確定治療模式和潛在的分子標靶。它透過載脂蛋白E 基因APOE4 的變異形式，發現了阿茲海默症與高膽固醇之間眾所周知的關聯。但是，當與基因資料庫結合時，它還發現了女性骨質疏鬆症與阿茲海默症之間的聯繫，這種聯繫是透過一種不太為人所知的名為MS4A6A 的基因變異而產生的。

研究人員希望這種方法最終能用於紅斑性狼瘡和子宮內膜異位症等其他難以診斷的疾病。

這項研究的資深作者、加州大學舊金山分校巴卡爾計算健康科學研究所副教授瑪麗娜-西羅塔（Marina Sirota）博士說：”這是一個很好的例子，說明我們可以透過機器學習利用病患數據來預測哪些患者更有可能患上阿茲海默症，同時還能了解患病原因。”

編譯自: ScitechDaily