血检AI模型精准识别多种神经退行性疾病

神经退行性疾病的早期确诊，长期困扰临床神经科。阿尔茨海默病与帕金森病初期症状高度重叠，加之患者脑内常并存多种病理机制，导致鉴别诊断极为复杂。近期瑞典隆德大学团队公布的一项突破性研究，为这一困境提供了全新解决方案。

隆德大学等机构的研究者成功构建了一款新型人工智能模型。其核心突破在于：仅需单次血液采样，即可辅助识别多种不同的神经退行性疾病。

从血液蛋白中寻找“疾病指纹”

本研究的关键策略，是挖掘血液中特异的分子标志物。研究团队整合了超过17,000名受试者（涵盖患者与健康对照组）的蛋白质组学数据，用以训练AI模型。该模型通过深度学习阿尔茨海默病、帕金森病、肌萎缩侧索硬化症（渐冻症）、额颞叶痴呆以及卒中病史等不同状态下的血液蛋白谱，最终锁定一组可有效区分的蛋白质标志物组合。

结果显示，该模型能准确识别上述五种疾病/状态。更重要的是，数据证实：基于这些蛋白特征预测认知功能衰退的效能，已优于当前临床常用诊断手段。

重新审视诊断：疾病远比标签复杂

这项研究的启示远超越单一检测技术。它迫使学界重新审视神经退行性疾病的固有复杂性。研究者指出，即使临床确诊为同一疾病（如阿尔茨海默病），不同患者背后的生物学亚型可能截然不同。

一个关键发现是：众多阿尔茨海默病患者的血液蛋白特征反而与其他脑部疾病更为接近。这背后可能指向三种可能性：患者脑内同时存在多种病理进程；阿尔茨海默病本身存在多条异质性发展路径；或当前临床诊断的准确率仍有显著提升空间。

这意味着未来诊疗模式亟需从“贴标签”转向“分型管理”的精细化路径。

未来展望：从辅助诊断到探索机理

除辅助早期筛查与鉴别外，该AI模型还开辟了另一研究窗口。通过解析模型重点关注的蛋白特征，研究者能获取关于神经退行性疾病致病机制的潜在线索，进而为靶向治疗开发提供方向。

研究团队的目标是持续优化该技术，最终推出更稳定、更便捷的血液检测方案。理想状态下，未来或许能在大幅减少对其他复杂临床检查依赖的前提下，实现对多种神经退行性疾病的高效识别与区分。这对实现疾病的早筛早干预具有显著的临床价值。

（隆德大学是瑞典规模最大的综合性大学，其建校历史可追溯至1425年，为斯堪的纳维亚半岛最古老的高等学府之一，曾培养出多位诺贝尔奖得主。）