由于每個患者的病程不同，因此評估神經(jīng)退行性疾病的治療效果通常很困難。一項新研究顯示，對血液樣本進(jìn)行人工智能(AI)分析可以預(yù)測和解釋疾病進(jìn)展，這有一天可以幫助醫(yī)生為患者選擇更合適和有效的治療方法。

麥吉爾大學(xué)The Neuro(蒙特利爾神經(jīng)科學(xué)學(xué)院醫(yī)院)和Ludmer神經(jīng)信息與心理健康中心的科學(xué)家使用AI算法分析了1969年患有阿爾茨海默氏病和亨廷頓病的患者的血液和驗尸大腦樣本。他們的目標(biāo)是找到特定于這些疾病的分子模式。

該算法能夠檢測這些患者的基因數(shù)十年來如何以獨(dú)特的方式表達(dá)自己。這提供了神經(jīng)變性基礎(chǔ)分子變化的第一個長期觀點(diǎn)，這是一項重要成就，因為神經(jīng)退行性疾病發(fā)展了許多年。

先前關(guān)于神經(jīng)退行性疾病的研究通常使用靜態(tài)或“快照”數(shù)據(jù)，因此，在能夠揭示該疾病通常緩慢進(jìn)展的程度方面受到限制。這項研究旨在通過涵蓋數(shù)十年的疾病進(jìn)展來揭示大規(guī)模數(shù)據(jù)中包含的時間順序信息，揭示這段時間內(nèi)基因表達(dá)的變化與患者狀況的變化如何相關(guān)。

此外，驗血檢測出了驗尸后大腦數(shù)據(jù)測試所執(zhí)行的85%至90%的頂級預(yù)測性分子途徑，顯示出大腦和周圍身體的分子變化之間驚人的相似性。

該研究的第一作者Yasser Iturria-Medina說：“醫(yī)生有一天可以使用這種測試來評估患者并開出適合他們需求的療法。” “它也可以用于臨床試驗中以對患者進(jìn)行分類，并更好地確定實(shí)驗藥物如何影響其預(yù)測的疾病進(jìn)展。”

Iturria-Medina說，他的下一步將是在其他疾病(如帕金森氏病和肌萎縮性側(cè)索硬化癥)中測試這些模型。

通過阿爾茨海默氏病神經(jīng)影像學(xué)倡議(ADNI)和芝加哥拉什大學(xué)醫(yī)學(xué)中心拉什阿爾茨海默氏病中心公開提供的數(shù)據(jù)使這項研究成為可能。