日期： 2022年12月16日 19:14 来源：科技部生物中心
作为进行性发展的神经系统退行性疾病，痴呆症由于病程缓慢，临床诊断缺乏有效的早诊手段，患者往往错过最佳治疗时间。因此迫切需要针对痴呆症早期诊断、早期预测、早期干预 的研究。
近日，我国复旦大学研究团队在《LANCET》子刊《eClinicalMedicine》上发表题为“Development of a novel dementia risk prediction model in the general population: a large longitudinal population-based machine-learning study”的文章，研究团队利用生物医学大数据与人工智能算法,开发了名为UKB-DRP的全新痴呆风险预测模型。该模型可同时对全 因痴呆症及其主要亚型（阿尔茨海默症）的发病风险进行前瞻性智能预测。
该研究基于英国生物样本库队列，该队列随访了425159名40-69岁的非痴呆人群，在中位时长达11.9年的随访过程中，5287位参与者被诊断为新发痴呆症。研究者用人工智能算法分析 了研究队列中收集的各项指标对痴呆的贡献度，最终筛选出对痴呆贡献度排名前十的指标（年龄、载脂蛋白E（ApoE）基因、认知配对测试时长、腿部脂肪百分比、服药数量、认知反应测试时 长、呼气峰流量、母亲死亡年龄、慢性疾病和平均红细胞体积）作为痴呆预测因子构建了UKB-DRP痴呆预测模型。UKB-DRP痴呆预测模型对未来五年、十年甚至更长时间的全因痴呆和阿尔茨海 默症均能高效预测，其中全因痴呆的预测AUC值为0.85，而阿尔茨海默症的预测AUC值更高，可达0.86-0.89。此外，相较于与国际上已发表的预测模型（如CAIDE、DRS、ANU-ADRI），结果表明 UKB-DRP痴呆预测模型的预测精度更有优势。
该研究构建了医学大数据与智能模型混合驱动的痴呆早期预测模型，为提高神经退行性疾病早期风险判别能力、预防疾病发生提供了新的诊断工具。
论文链接：
https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(22)00395-9
注：此研究成果摘自《eClinicalMedicine》杂志，文章内容并不代表本网站的观点和和立场，仅供参考。
