新型 AI 模型可通过血检识别多种神经退行性疾病，包括阿尔茨海默病等

AI模型新突破：单次血液检测，或可识别多种神经退行性疾病

神经退行性疾病的早期诊断，一直是医学界的一大挑战。最近，一项来自瑞典隆德大学等机构的研究，带来了一个颇具前景的新思路。

你猜问题出在哪？不同神经退行性疾病，比如阿尔茨海默病和帕金森病，在早期阶段的症状常常非常相似。再加上年龄增长本身就会导致认知功能自然下降，病因本就复杂。更棘手的是，患者大脑里可能同时存在好几种病理变化，相互重叠，这让临床医生很难在早期做出清晰、准确的判断。

那么，有没有更客观的“线索”呢？研究团队把目光投向了血液中的蛋白质。他们收集了超过1.7万名患者及健康对照者的蛋白质测量数据，以此为基础，训练了一个全新的人工智能模型。这个AI的核心任务，就是学习并记忆不同疾病在血液中留下的独特“蛋白指纹”。

结果相当振奋人心。这个模型成功识别出了一组特定的蛋白标志物，能够区分五种不同的疾病或状况，包括：阿尔茨海默病、帕金森病、肌萎缩侧索硬化症（俗称“渐冻症”）、额颞叶痴呆，以及是否有过卒中（中风）病史。这意味着，未来或许只需一次抽血，AI就能为医生提供关键的辅助诊断信息。

更值得关注的是，研究数据显示，基于这种蛋白特征来预测认知能力下降的趋势，其效果可能优于现有的常规临床诊断方法。这引出了一个深层问题：我们过去对疾病的分类，是否足够精确？

研究人员指出，即便在临床上被诊断为同一种病，比如阿尔茨海默病，不同患者背后的生物学亚型也可能截然不同。他们发现，不少临床诊断为阿尔茨海默病的患者，其血液蛋白特征反而更接近其他脑部疾病。这背后至少存在三种可能性：一是患者可能同时罹患了不止一种疾病；二是阿尔茨海默病本身就可能存在不同的发展路径；第三，这也提示我们，当前的临床诊断准确性仍有提升空间。话说回来，这项研究的价值不仅在于辅助诊断。

它还为探寻神经退行性疾病的致病机制，开辟了潜在的新研究方向。研究团队的愿景很明确：希望逐步优化，最终开发出一套高度可靠的血液检测方法。理想状态下，未来或能在尽量减少其他复杂检查依赖的前提下，仅通过血液分析，就能实现对多种神经退行性疾病的精准识别与区分。

当然，这项技术从研究走向广泛应用，还有很长的路要走。但它无疑为我们打开了一扇新的窗户，让我们看到了早期筛查和精准医疗的另一种可能。

注：隆德大学是瑞典最大的综合型大学，其历史可追溯至1425年，是斯堪的纳维亚半岛最古老的高等教育机构之一，正式成立于1666年，并培养了多位诺贝尔奖得主。