华盛顿大学圣路易斯分校医学院的研究团队开发了一种基于人工智能的新型血液检测工具，能够以 92.3% 的准确率区分四种主要痴呆相关脑部疾病，包括阿尔茨海默病、帕金森病、额颞叶痴呆和路易体痴呆，同时还能识别大脑衰老的健康状态。这一突破性成果有望解决目前难以区分多种神经退行性疾病以及它们常混合存在的诊断难题。 传统临床诊断往往将患者单一归类，但事实上许多患者脑部同时存在多种病变。该项目负责人卡洛斯·克鲁查加教授指出，该工具的目标不再是简单的“是”或“否”的判断，而是提供关于个人脑中所有主要神经退行性病变的全面信息，从而实现精准诊断和治疗。该检测方法仅通过一次简单的抽血即可实现，具有无创、低成本的优势。研究团队选取了血液中 15 种反映神经退行性病理的蛋白质作为检测指标，包括阿尔茨海默病标志物以及涉及突触损伤和炎症的蛋白。 研究团队利用来自 3200 多名个体的血液数据训练并测试了 AI 分类器，并在另一组 225 名经过生前认知评估及死后脑组织病理检查的个体身上进行了验证。结果显示，该模型的预测结果与实际脑组织中的病理负担高度吻合。特别是在轻度认知障碍或诊断不明的患者中，模型对阿尔茨海默病的预测与尸检发现的淀粉样蛋白斑块情况一致，并成功识别出那些生前被诊断为帕金森病但死后出现痴呆迹象的混合病理情况。 尽管该检测工具展现出巨大的潜力，有望用于临床试验患者筛选、疾病进程监测及个性化治疗方案制定，但目前尚未投入临床使用。研究人员强调，仍需在未来更大规模且多样化的群体中进行验证，并开展前瞻性研究以评估其对疾病进展的预测能力。这一技术为未来痴呆症的早期发现和精准医疗提供了强有力的新工具。