AI结合血液生物标志物有望提前多年预测疾病风险

一项研究发现，通过检测一种名为“磷酸化tau 217”（phosphorylated tau 217）的血液生物标志物——一种与阿尔茨海默病所见脑部变化相关的蛋白质——或可在症状出现前25年预测女性发生痴呆的风险。在研究开始时认知健康的老年女性中，磷酸化tau 217（p-tau217）水平较高与未来发生轻度认知障碍和痴呆——其中阿尔茨海默病是最常见类型——具有强相关性。

该研究发表于《Journal of the American Medical Association (JAMA) Network Open》，分析了美国全国性研究“Women's Health Initiative Memory Study”中2,766名参与者的数据。该研究于20世纪90年代末纳入65至79岁的女性，并随访最长达25年。随访期间识别出出现记忆或思维问题（包括痴呆）的女性。

研究开始时血液中p-tau217水平越高，日后发生痴呆的概率越大；且该生物标志物水平升高与痴呆风险增加呈正相关。与较年轻者相比，p-tau217较高与70岁及以上女性较差的认知结局关联更强；在携带与阿尔茨海默病相关的APOE e4遗传风险因子者中，这种关联也更为显著。

研究还发现，在随机分配接受雌激素加孕激素激素治疗而非安慰剂的女性中，p-tau217对痴呆的预测能力更强。像p-tau217这样的血液生物标志物尤其令人期待，因为与脑成像或脑脊液检测相比，它们侵入性要小得多，也可能更易获得。

在另一项关于肝癌的研究中，日本的一支团队聚焦于一种特定蛋白MYCN。科学家此前已知道该蛋白在受损肝脏中的肝癌发生中发挥作用，但并不清楚其机制。为弄清这一点，研究人员使用小鼠模型观察MYCN被过度上调时会发生什么。他们发现，当MYCN与另一基因AKT协同作用时，仅50天内就有72%的小鼠发生肿瘤。

为理解其原因，团队采用了一种称为空间转录组学（spatial transcriptomics）的技术。他们发现，当MYCN水平升高时，“无肿瘤”区域会出现一个由167个基因组成的特定基因簇发生变化。他们将这种环境标记为“MYCN niche”。

利用这些数据，研究人员构建了一个机器学习模型。该算法通过分析肝脏中的基因模式并给出评分；评分越高，意味着肝脏环境越倾向于发生癌变。将其在人类数据上测试时，准确率达到93%。有意思的是，与肿瘤本身相比，在观察肿瘤周围外观健康的组织时，该评分对未来风险的预测表现更佳。

与此同时，隶属于German Center for Diabetes Research (DZD)的科学家提出，一项简单的血液检测结合AI，或可在早期帮助识别未来发生2型糖尿病及其并发症高风险的人群。发表于Biomarker Research的一项新研究分析了多个研究队列参与者的血样，这些参与者具有已知的糖尿病前期风险特征。

研究人员重点关注DNA甲基化模式，这是一类在不改变DNA序列本身的情况下调控基因活性的化学修饰。通过机器学习技术，团队识别出1,557个表观遗传标志物，这些标志物共同构成了糖尿病前期风险的生物学“指纹”。

基于这些标志物，AI模型能够以约90%的准确率将个体归入高风险的糖尿病前期亚群，即便在独立验证队列中测试亦如此。许多表观遗传标志物具有亚群特异性，并反映不同的生物信号通路。其中有若干在既往研究中已与2型糖尿病、慢性炎症、心血管疾病及肾脏疾病相关。

DZD此前的研究将糖尿病前期至少划分为六个不同亚群。其中三个亚群与中等风险相关，而另外三个则具有较高的2型糖尿病及相关并发症发生风险。