近日 ，大分大学和ng28南宫宣布开发了一种机械学习模型 ，用于预测脑内β-淀粉样卵白（Aβ*[1]）的积累。该模型结合了年龄、性别、吸烟史和病史等配景数据 ，以及通例血液检查和MMSE*[2]（简易精神状态检查）项目。该模型预计将使初级保健医生能够在通例体检中预测脑内Aβ的积累 ，这是阿尔茨海默病（AD*[3]）的重要病理因素 ，并有助于进行简单的早期筛查。
该模型的详细信息已于2025年1月21日宣布在同行评审的医学期刊《Alzheimer’s Research & Therapy》的在线版上。
目前 ，虽然脑Aβ积累可以通过正电子发射断层扫描（淀粉样卵白PET*[4]）和脑脊液检测（CSF检测*[5]）来检测 ，但这些检测的高本钱和侵入性仍是亟待解决的问题。因此 ，近年来 ，众多研究致力于开发多种与阿尔茨海默病（AD）相关的血液生物标记物 ，以期提供一种更为便捷的筛查要领。然而 ，以往很少有研究评估使用通例临床数据来预测脑部Aβ积累模型的性能。本研究首次开发了一种机械学习模型 ，该模型利用了34项临床数据 ，包括配景数据（年龄、性别、吸烟史和病史）、通例血液检查数据（如肾功效、肝功效、甲状腺功效）以及痴呆护理中通例收集的简易智能状态检查（MMSE）项目 ，来预测淀粉样卵白PET阳性。评估结果显示 ，该预测模型的曲线下面积（AUC）划分为0.70（仅结合配景数据和通例血液检查数据）和0.73（结合配景数据、通例血液检查数据和MMSE数据） ，标明该模型具有一定的预测准确性。
Aβ抗体已在AD早期阶段治疗中显示出可能提供更大益处的潜力1 ，因此 ，早期检测脑内Aβ积累显得至关重要。此机械学习模型能够利用通例医疗护理中收集的临床数据来预测脑部Aβ积累 ，预计将被初级保健医生广泛应用于AD的早期筛查。
通过利用该模型来确定淀粉样卵白PET和CSF检测的须要性 ，预计将有助于AD的早期诊断和治疗启动 ，并减少患者的经济和身体担负。
术语表
*[1] β-淀粉样卵白：被视为阿尔茨海默病病因的卵白质 ，在疾病爆发前约20年在大脑中积累并形成老年斑。
*[2] MMSE（简易精神状态检查）：一种评估认知功效的要领。它包括定向力、影象力、注意力/盘算、延迟回忆、命名、重复、理解、阅读、写作和图形复制等评估项目 ，评分规模为30至0分（正常至严重）。
*[3] 阿尔茨海默病：最常见的痴呆病因 ，其病理特征包括老年斑、神经原纤维缠结和神经元细胞死亡。
*[4] 淀粉样卵白PET：一种可视化大脑中Aβ积累的脑部成像检测。
*[5] 脑脊液检测：一种剖析脑脊液中Aβ42、磷酸化tau和总tau作为阿尔茨海默病生物标记物的检测。
研究配景与概述
随着日本进入超老龄化社会 ，65岁以上痴呆患者数量增加 ，开发针对AD（最常见的痴呆病因）的新治疗药物成为紧迫问题。在AD中 ，脑部Aβ的积累是疾病爆发前的病理事件。研究标明 ，抗Aβ抗体在AD早期阶段开始治疗时可能提供更大的益处1 ，这凸显了早期检测脑部Aβ积累的重要性。虽然淀粉样卵白PET等成像技术对AD诊断有用 ，液体生物标记物也用于检测 ，但这些要领保存侵入性和本钱问题。
因此 ，许多基于机械学习的脑部Aβ预测模型被开发为更简单的筛查工具 ，但这些模型通常包括通例临床实践中未丈量的标记物 ，如成像数据和ApoE基因型。本研究首次实验开发一种机械学习模型 ，仅使用痴呆护理中通例收集的配景数据和通例血液检查结果来预测淀粉样卵白PET阳性。
研究结果与意义
本研究利用了大分大学医院在2012年9月至2017年11月期间收集的门诊数据 ，以及2015年10月至2017年11月期间在大分县臼杵市进行的关于65岁及以上无痴呆老年人的前瞻性行列研究（USUKI STUDY）数据。预测模型使用了三种机械学习技术：支持向量机、弹性网络和L2正则化逻辑回归 ，结合了12项加入者配景数据（年龄、性别、吸烟史、病史-高血压、血脂异常、心脏病、中风、糖尿病、甲状腺疾病）、11项通例血液检查项目（肾功效、肝功效、甲状腺功效等）以及262名轻度认知障碍或正常认知功效个体（136名男性 ，126名女性 ，中位年龄73.8岁）的11项MMSE项目评分 ，并评估了模型的性能。
使用L2正则化逻辑回归的预测性能显示 ，结合加入者配景和MMSE项目的模型以及结合加入者配景和通例血液检查的模型的AUC均为0.70 ，标明性能相似。别的 ，结合所有这些元素（加入者配景、通例血液检查和MMSE项目）的模型显示出更高的性能 ，AUC为0.73。剖析预测Aβ积累的要害因素 ，发明MMSE项目中的延迟回忆和所在定向、年龄、促甲状腺激素宁静均红细胞体积是重要因素。
学术论文：
英文题目：Machine learning models for dementia screening to classify brain amyloid
positivity on positron emission tomography using blood markers and demographic
characteristics: a retrospective observational study
日文题目：血液マーカーと人口統計学的特徴を用いてアミロイドPET における脳アミロイド陽性を分類する認知症スクリーニングのための機械学習モデル：後ろ向き観察研究
作者：Noriyuki Kimura（大分大学医学部神经内科）、Kotaro Sasaki（ng28南宫株式会社）、Teruaki Masuda（大分大学医学部神经内科）、Takuaki Ataka（大分大学医学部神经内科）、Mariko Matsumoto（ng28南宫株式会社）、Mika Kitamura（ng28南宫株式会社）、Yosuke Nakamura（ng28南宫株式会社）、Etsuro Matsubara（大分大学医学部神经内科）
出书杂志：《Alzheimer’s Research & Therapy》
参考文献
1.Sperling, R., Selkoe, D., Reyderman, L., Youfang, C., Van Dyck, C. (2024, July 28 – August 1). Does the
Current Evidence Base Support Lecanemab Continued Dosing for Early Alzheimer ’ s Disease?
[Perspectives Session] Alzheimer’s Association International Conference, Philadelphia, PA, United States.
编号：ECN-2025-0017
