IBM澳大利亚团队开发了新的机器学习算法，仅检查血液中四种蛋白质的水平，就能预测β淀粉样蛋白在脊髓液中的含量，准确率高达77%。
关于阿兹海默病，目前人们普遍认为β淀粉样蛋白是与疾病发展密切相关的生化指标之一。在阿兹海默病导致健忘之前，这种蛋白质就已经开始在脊髓液中逐渐累积。
然而，检测β淀粉样蛋白并非易事。这种蛋白质存在于脊髓液中，想要对这一指标进行检测必须采取侵入型的医疗方法：腰椎穿刺。这种检查不仅听上去很痛，实际上也很痛，而且费用十分高昂。
为了寻找能替代腰椎穿刺的检查方法，IBM澳大利亚团队开发了新的机器学习算法，仅检查血液中四种蛋白质的水平，就能预测β淀粉样蛋白在脊髓液中的含量，准确率高达77%。展示这则研究的论文发表在了《Scientific Reports》上。
与其他的阿兹海默病研究相似，新研究也使用了阿兹海默病神经成像计划（ADNI）中的影像数据。研究人员共研究了数据库中566人的数据，其中182人携带有APOEε4基因突变，这种基因突变被认为会增加晚发性阿兹海默病的发病风险。
IBM的研究中还从ADNI中取得了近400种在血液化验中获得的蛋白质指标。通过机器学习算法，最终确定了四种预测β淀粉样蛋白的最佳指标，分别是：嗜铬粒蛋白A、Aβ1–42、Eotaxin 3和载脂蛋白E。通过与其他血液化验结果及已有基因预测模型的对比，新算法的预测准确率更令人满意。
其实，我们也介绍过利用PET扫描影像来预测阿兹海默病的方法。IBM的研究人员之所以选择了血液化验中的蛋白质指标，是因为他们认为在PET扫描显示出阿兹海默病征兆的10年前，β淀粉样蛋白就已经出现在脑脊液中了。因而验血可以帮助人们更早对潜在的患病风险做出应对。
针对有高患病风险的人群进行血液化验可以大大降低医疗费用，也能够尽可能减少侵入性检验造成的不适。
当前，阿兹海默病疗法和新药的研发遇到了很多困难。造成相关药物研发失败的原因之一，可能是进入临床试验的患者多处于患病晚期，其脑部损伤已经难以复原。
如果能大幅提前发现阿兹海默病的时间，有可能极大地帮助阿兹海默病疗法的研发。让更多通过机器学习发现的早期患病人群进入试验，可以改变现有阿兹海默病药物研发的尴尬局面。
除了β淀粉样蛋白之外，tau蛋白也被认为与阿兹海默病有关。IBM的研究团队也正在尝试使用类似的方法，在血液化验中找到能预测tau蛋白的生物标记物。
无论是血液检测、蛋白质检测、还是PET影像分析，都越来越离不开机器学习和人工智能技术的辅助。相信AI技术最终将会帮助人们彻底了解阿兹海默病，并找出早期诊断和预防的有效方法。
