日期： 2022年12月16日　19:14 來源：科技部生物中心   　　

作為進行性發(fā)展的神經系統(tǒng)退行性疾病，癡呆癥由于病程緩慢，臨床診斷缺乏有效的早診手段，患者往往錯過最佳治療時間。因此迫切需要針對癡呆癥早期診斷、早期預測、早期干預 的研究。 　　

近日，我國復旦大學研究團隊在《LANCET》子刊《eClinicalMedicine》上發(fā)表題為“Development of a novel dementia risk prediction model in the general population: a large longitudinal population-based machine-learning study”的文章，研究團隊利用生物醫(yī)學大數據與人工智能算法,開發(fā)了名為UKB-DRP的全新癡呆風險預測模型。該模型可同時對全 因癡呆癥及其主要亞型（阿爾茨海默癥）的發(fā)病風險進行前瞻性智能預測。 　　

該研究基于英國生物樣本庫隊列，該隊列隨訪了425159名40-69歲的非癡呆人群，在中位時長達11.9年的隨訪過程中，5287位參與者被診斷為新發(fā)癡呆癥。研究者用人工智能算法分析 了研究隊列中收集的各項指標對癡呆的貢獻度，最終篩選出對癡呆貢獻度排名前十的指標（年齡、載脂蛋白E（ApoE）基因、認知配對測試時長、腿部脂肪百分比、服藥數量、認知反應測試時 長、呼氣峰流量、母親死亡年齡、慢性疾病和平均紅細胞體積）作為癡呆預測因子構建了UKB-DRP癡呆預測模型。UKB-DRP癡呆預測模型對未來五年、十年甚至更長時間的全因癡呆和阿爾茨海 默癥均能高效預測，其中全因癡呆的預測AUC值為0.85，而阿爾茨海默癥的預測AUC值更高，可達0.86-0.89。此外，相較于與國際上已發(fā)表的預測模型（如CAIDE、DRS、ANU-ADRI），結果表明 UKB-DRP癡呆預測模型的預測精度更有優(yōu)勢。 　　

該研究構建了醫(yī)學大數據與智能模型混合驅動的癡呆早期預測模型，為提高神經退行性疾病早期風險判別能力、預防疾病發(fā)生提供了新的診斷工具。 　　 　　

論文鏈接： 　　

https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(22)00395-9 　 　

注：此研究成果摘自《eClinicalMedicine》雜志，文章內容并不代表本網站的觀點和和立場，僅供參考。