个性化模型揭示阿尔茨海默病进展中的隐藏模式

目前，大多数阿尔茨海默病的数学模型都是理论模型，侧重于短期内无法在患者中测量的分子和细胞水平变化。然而，杜克大学医学院（Duke University School of Medicine）和宾夕法尼亚州立大学（Pennsylvania State University）的研究人员利用来自 800 多名认知能力各异的真实世界数据，开发了阿尔茨海默病生物标志物级联（Alzheimer’s Disease Biomarker Cascade，ADBC）模型。

受试者参与了阿尔茨海默病神经影像学计划（ADNI），这是一项多国纵向研究，跟踪受试者从正常认知到轻度认知障碍，再到失智症的过程，期间进行了连续的认知测试、影像检查和体液生物标志物数据收集，时间跨度长达二十年。

ADBC 模型通过分析参与者的脑脊液、脑部扫描和记忆测试，寻找每个人状况的独特模式或线索。

该模型结合了理论和个体生物标志物数据，预测阿尔茨海默病在个别患者中的演变情况和治疗反应。通过分析当前的生物标志物，该模型能够以惊人的准确性预测特定患者未来这些标志物可能发生的变化。

研究人员表示，该模型为重新分类阿尔茨海默病临床谱系中的个体以及制定针对性的治疗策略打开了大门。

杜克大学医学院神经放射学家、阿尔茨海默病影像学研究实验室主任 Jeffrey R. Petrella 博士说：“长期以来，阿尔茨海默病一直被视为单一疾病。这项研究表明，该疾病在每个人身上的进展都不同，具有独特的生物标志物变化模式。”

阿尔茨海默病的特点是大脑发生变化，包括可能损害神经元和影响其他类型脑细胞的淀粉样蛋白斑块和神经原纤维缠结。新药在减少大脑中 β-淀粉样蛋白以及减缓阿尔茨海默病导致的记忆和思维下降方面取得了成功。

“我设想将这一模型用于临床治疗，作为医疗方法的一部分，” Petrella  说，“该模型可以制定佳治疗方案建议，帮助患者随时间推移取得佳可能结果，同时尽量减少副作用。”治疗方案可能是一种药物或多种疗法的组合。

该模型为每个患者确定了 14 个个性化参数。这些参数反映了与阿尔茨海默病相关的各种生物标志物的增长率、起点（潜伏期值）和高水平（承载能力）。重要的是，这些参数在按临床诊断分类的个体之间差异，表明它们反映了疾病过程中具有临床意义的方面。

在针对现有数据进行测试时，ADBC 模型以高准确度预测了未来生物标志物水平，整个研究组的平均误差率仅为 9%。即使应用于个别患者，该模型的准确性也保持强劲，超过 80% 的患者在预测未来生物标志物点时表现出低误差率。

该研究还揭示了一个可能至关重要的发现。通过分析个性化参数，研究人员确定了两个截然不同的患者群。这些患者群似乎代表了不同的“内表型”，即影响疾病进展的不同潜在生物学特征。

研究人员强调，有必要进行更多研究，以在更大且更多样化的社区患者群体中验证这些发现。