中国研究者首次用呼气检测阿尔茨海默症 无创早筛还有哪些方法
该研究在社区中招募了1467例年龄65岁以上的老年人群，并完成认知评估和呼出气采集，发现多达66种VOCs成分在认知障碍组和认知正常组存在显著差异。
阿尔茨海默症的早期筛查是全球科研团队都在攻克的世界性难题，目前仍然缺乏对于疾病早期诊断的客观筛查手段。
(相关资料图)
日前，中国研究团队首次采用呼气检测的方法，尝试对早期的阿尔茨海默症进行检测。中南大学湘雅医院神经内科沈璐教授团队的相关研究成果在神经病学领域顶级期刊《阿尔茨海默症和痴呆症》（Alzheimers & Dementia）以论著形式在线发表。
这篇题为《在社区队列中基于人体呼出气挥发性有机化合物建立认知障碍早期识别模型》的研究首次发现，通过检测人体呼出气中挥发性有机化合物（Volatile Organic Compounds，VOCs）可早期识别认知障碍患者，有望为老年人群提供更客观、简易的认知障碍筛查手段。
该研究在社区中招募了1467例年龄65岁以上的老年人群，并完成认知评估和呼出气采集，发现多达66种VOCs成分在认知障碍组和认知正常组存在显著差异，包括苯甲醛、乙二醇单乙醚、乙酸异丙烯酯、丁二烯、甲苯、丁二烯电离产物、丙烯醛、环己烷、丙酸甲酯和甲硫醇。
研究人员表示，这种全新的方法无创、客观、成本低，为早期识别认知障碍带来新的思路。
随着全球老龄化进程的加剧和人类寿命的延长，阿尔茨海默病（AD）已成为继心脑血管疾病和恶性肿瘤之后第三位严重危害老年人群健康的重大疾病，也是老年人死亡的第四大病因。
数据显示，我国60岁及以上老年人中约有1500万痴呆患者，对我国老年人的健康和生活质量都带来了很大影响。目前老年期痴呆的早期筛查方法主要采用认知评估量表如AD8、MMSE、画钟实验等，但评估结果容易受文化水平、方言等因素的影响。
国内多个团队都在尝试使用无创的方式来早期筛查阿尔茨海默病。今年3月，复旦大学附属华山医院神经内科副主任、国家神经疾病医学中心认知障碍方向带头人郁金泰教授团队在检验医学领域排名第一的国际学术期刊Clinical Chemistry（《临床化学》）上发表文章，报告了一种新的检验早期阿尔茨海默症的潜在生物标志物——血浆神经胶质纤维酸性蛋白（GFAP）。
上述研究通过对818例健康对照、不同临床阶段和亚型及各种不同痴呆和神经退行性疾病的大规模横断面和纵向人群分析研究发现，血浆GFAP从AD临床前阶段就已经显著升高，能够准确识别不同临床阶段AD和鉴别AD痴呆与非AD痴呆，且可用于预测AD临床进展。
郁金泰指出：“为实现AD早期诊断，有必要建立大型队列，尤其是社区队列，以便识别临床前阶段的患者。”
此外，GPT大模型技术的发展，也在未来阿尔茨海默病等疾病的无创早筛和管理方面展示出潜力，如搭建疾病管理平台，实现患者个体化病情评估、自动化分析报告、智能随访问答等功能。
对此，在一场由天桥脑科学研究院（TCCI）和华山医院国家神经疾病医学中心、上海市精神卫生中心主办的AI如何攻克脑疾病的研讨会上，多位神经科学专家都表示，大模型在AD等疾病等诊疗与研究领域虽然有巨大的潜力，但仍然面临诸多挑战。
郁金泰在会上表示：“高质量医疗数据的缺乏、数据安全性问题、回答实效性受训练数据影响等，都是限制AI对疾病诊断的因素。”但他同时认为，通过不断深化研究与实践，AI有望在AD领域发挥关键作用。
上海交通大学计算机科学与工程系吴梦玥副教授认为，开发基于人机对话的问诊机器人、以及利用语音和语言特征构建症状与精神疾病知识图谱，是未来精神类疾病早诊早治的方向。“很多精神疾病的诊断主要依赖于面对面的问诊和交谈，理论上，模型也应该能够学会这个技能。”她表示，“通过深度交流，人机对话能够得到与医生所得到的同样精确的症状描述。”
吴梦玥还介绍了如何将语音和语言特征作为可计算、可迁移的方式，通过患者的自我表达建立症状和疾病的知识图谱，为多种疾病检测提供新的思路。
在美国，美国国立卫生研究院（NIH）也正在建立一个真实世界的阿尔茨海默病数据库，并计划每年投入5000万美元进行资助，以改善、支持和开展更多痴呆症研究项目。
标签：
X 关闭
X 关闭
