|
近日，中南大学湘雅医院神经内科、国家老年疾病临床医学研究中心（湘雅医院）沈璐教授团队在柳叶刀子刊《eClinicalmedicine》（IF=9.6（近3年平均13.9））以论著形式在线发表了题为“Development and validation of machine learning models with blood-based digital biomarkers for Alzheimer’s disease diagnosis: a multicohort diagnostic study（基于血液数字生物标志物的机器学习模型在阿尔茨海默病诊断中的开发与验证：多队列诊断研究）”的原创性研究成果。该研究创新性构建基于衰减全反射傅立叶变换红外光谱（ATR-FTIR）的血浆数字化诊断模型，首次揭示血液光谱特征与阿尔茨海默病（AD）病理机制的内在关联，为AD的早期筛查和诊断提供有价值的支持。中南大学湘雅医院神经内科沈璐教授和东北大学信息科学与工程学院李志刚副教授为论文共同通讯作者，中南大学湘雅医院神经内科焦彬副研究员、欧阳紫淯为该论文第一作者，中南大学湘雅医院为第一及通讯作者单位。AD临床诊断主要依赖脑脊液检测及分子影像技术，但存在侵入性操作风险高、费用昂贵等局限性。针对这一全球性难题，研究团队开创性提出"光谱组学"研究范式，通过红外光谱与生物分子的相互作用，同步捕获蛋白质构象、脂质代谢、核酸结构等多维分子信息，生成具有独特诊断价值的"数字生物指纹"。相较于传统单一生物标志物检测，该技术可全景式解析AD病理生理过程中复杂的分子网络变化，为机器学习模型提供高内涵数据支撑，破解AI模型临床应用的决策解释性与透明度瓶颈。联合东北大学交叉学科团队，研究共纳入中心收集的1324例病例对照的血浆样本，通过完成衰减全反射傅立叶变换红外光谱学数据采集，利用随机森林分类器与特征选择程序对海量光谱数据进行深度挖掘，成功筛选出AD特异性数字生物标志物组合。基于机器学习构建的数字化诊断模型（MLDB）展现出卓越性能：在AD与健康人群（HC）的鉴别中取得0.92的曲线下面积（AUC），灵敏度与特异性分别达88.2%和84.1%；对轻度认知障碍（MCI）患者的识别能力达AUC 0.89；在鉴别路易体痴呆（DLB）、额颞叶痴呆（FTD）及进行性核上性麻痹（PSP）等神经退行性疾病时，AUC分别达到0.83、0.80和0.93，展现出强大的临床鉴别诊断能力。通过单分子免疫检测技术（SMID）验证发现，血浆p-tau217、GFAP等经典生物标志物与特定光谱特征存在显著负相关，为模型赋予分子病理学解释。该数字化诊断模型展现出三重临床优势：在AD诊断效能上显著优于传统方法；可精准识别MCI患者；在鉴别DLB、FTD及PSP等其他神经退行性疾病方面表现突出。光谱组学技术仅需微量血液样本即可实现全景式分子表征，兼具无创、低成本、高可及性等优势，为AD早筛早诊体系的建立提供创新解决方案。全文链接： https://www.sciencedirect.com/science/article/pii/S2589537025000744 
|
