關于阿茲海默病，目前人們普遍認為β淀粉樣蛋白是與疾病發(fā)展密切相關的生化指標之一。在阿茲海默病導致健忘之前，這種蛋白質就已經開始在脊髓液中逐漸累積。

然而，檢測β淀粉樣蛋白并非易事。這種蛋白質存在于脊髓液中，想要對這一指標進行檢測必須采取侵入型的醫(yī)療方法：腰椎穿刺。這種檢查不僅聽上去很痛，實際上也很痛，而且費用十分高昂。

為了尋找能替代腰椎穿刺的檢查方法，IBM澳大利亞團隊開發(fā)了新的機器學習算法，僅檢查血液中四種蛋白質的水平，就能預測β淀粉樣蛋白在脊髓液中的含量，準確率高達77%。展示這則研究的論文發(fā)表在了《Scientific Reports》上。

與其他的阿茲海默病研究相似，新研究也使用了阿茲海默病神經成像計劃（ADNI）中的影像數據。研究人員共研究了數據庫中566人的數據，其中182人攜帶有APOEε4基因突變，這種基因突變被認為會增加晚發(fā)性阿茲海默病的發(fā)病風險。

IBM的研究中還從ADNI中取得了近400種在血液化驗中獲得的蛋白質指標。通過機器學習算法，最終確定了四種預測β淀粉樣蛋白的最佳指標，分別是：嗜鉻粒蛋白A、Aβ1–42、Eotaxin 3和載脂蛋白E。通過與其他血液化驗結果及已有基因預測模型的對比，新算法的預測準確率更令人滿意。

其實，我們也介紹過利用PET掃描影像來預測阿茲海默病的方法。IBM的研究人員之所以選擇了血液化驗中的蛋白質指標，是因為他們認為在PET掃描顯示出阿茲海默病征兆的10年前，β淀粉樣蛋白就已經出現在腦脊液中了。因而驗血可以幫助人們更早對潛在的患病風險做出應對。

針對有高患病風險的人群進行血液化驗可以大大降低醫(yī)療費用，也能夠盡可能減少侵入性檢驗造成的不適。

當前，阿茲海默病療法和新藥的研發(fā)遇到了很多困難。造成相關藥物研發(fā)失敗的原因之一，可能是進入臨床試驗的患者多處于患病晚期，其腦部損傷已經難以復原。

如果能大幅提前發(fā)現阿茲海默病的時間，有可能極大地幫助阿茲海默病療法的研發(fā)。讓更多通過機器學習發(fā)現的早期患病人群進入試驗，可以改變現有阿茲海默病藥物研發(fā)的尷尬局面。

除了β淀粉樣蛋白之外，tau蛋白也被認為與阿茲海默病有關。IBM的研究團隊也正在嘗試使用類似的方法，在血液化驗中找到能預測tau蛋白的生物標記物。

無論是血液檢測、蛋白質檢測、還是PET影像分析，都越來越離不開機器學習和人工智能技術的輔助。相信AI技術最終將會幫助人們徹底了解阿茲海默病，并找出早期診斷和預防的有效方法。

原標題：準確率可達77%！IBM使用機器學習 早診阿茲海默病再進一步