由于每个患者的病程不同，因此评估神经退行性疾病的治疗效果通常很困难。一项新研究显示，对血液样本进行人工智能(AI)分析可以预测和解释疾病进展，这有一天可以帮助医生为患者选择更合适和有效的治疗方法。
麦吉尔大学The Neuro(蒙特利尔神经科学学院医院)和Ludmer神经信息与心理健康中心的科学家使用AI算法分析了1969年患有阿尔茨海默氏病和亨廷顿病的患者的血液和验尸大脑样本。他们的目标是找到特定于这些疾病的分子模式。
该算法能够检测这些患者的基因数十年来如何以独特的方式表达自己。这提供了神经变性基础分子变化的第一个长期观点，这是一项重要成就，因为神经退行性疾病发展了许多年。
先前关于神经退行性疾病的研究通常使用静态或“快照”数据，因此，在能够揭示该疾病通常缓慢进展的程度方面受到限制。这项研究旨在通过涵盖数十年的疾病进展来揭示大规模数据中包含的时间顺序信息，揭示这段时间内基因表达的变化与患者状况的变化如何相关。
此外，验血检测出了验尸后大脑数据测试所执行的85%至90%的顶级预测性分子途径，显示出大脑和周围身体的分子变化之间惊人的相似性。
该研究的第一作者Yasser Iturria-Medina说：“医生有一天可以使用这种测试来评估患者并开出适合他们需求的疗法。” “它也可以用于临床试验中以对患者进行分类，并更好地确定实验药物如何影响其预测的疾病进展。”
Iturria-Medina说，他的下一步将是在其他疾病(如帕金森氏病和肌萎缩性侧索硬化症)中测试这些模型。
通过阿尔茨海默氏病神经影像学倡议(ADNI)和芝加哥拉什大学医学中心拉什阿尔茨海默氏病中心公开提供的数据使这项研究成为可能。