研究人员创建了一个基于学习的新型框架，该框架可以帮助阿尔茨海默病患者准确地确定他们在疾病发展谱系中的位置。这将使他们能够最好地预测后期阶段的时间，使随着病情的进展更容易规划未来的护理。
德克萨斯大学阿灵顿分校
1月26日消息
根据世界卫生组织的数据，全世界大约有 5,500 万人患有失智症。最常见的是阿尔茨海默病，这是一种尚无法治愈的导致大脑功能恶化的疾病。
除了身体上的影响，阿尔茨海默病还会给患者以及他们的亲人和照顾他们的人带来心理、社会和经济方面的影响。由于其症状会随着时间的推移而恶化，因此对患者及其护理人员来说，随着疾病的发展，为最终需要增加支持量做好准备非常重要。
为此，德克萨斯大学阿灵顿分校（University of Texas at Arlington，UTA）的研究人员创建了一种新的基于学习的框架，该框架可以帮助阿尔茨海默病患者准确地确定他们在疾病发展谱系中的位置。这将使他们能够最好地预测后期阶段的时间，使随着病情的进展更容易规划未来的护理。这篇经同行评议的新论文近日发表在《药理学研究》（Pharmacological Research）杂志上。
研究于2024年1月发表在《Pharmacological Research》（最新影响因子：9.3）杂志上
该研究的主要作者、UTA 计算机科学与工程副教授 Dajiang Zhu 说：“几十年来，人们提出了多种预测方法，并对阿尔茨海默病及其前兆轻度认知障碍的预测能力进行了评估。许多早期的预测工具忽略了阿尔茨海默病发展的连续性和疾病的过渡阶段。”
UTA计算机科学与工程副教授Dajiang Zhu
在美国国立卫生研究院（NIH）和国家老龄化研究所（NIA）提供的 200 多万美元的资助下，Zhu 的医学成像和神经科学发现研究实验室以及 UTA 数学系副教授 Li Wang 开发了一种基于学习的新型嵌入框架，该框架将阿尔茨海默病发展的各个阶段编码为一种他们称之为“疾病嵌入树”（Disease-embedding tree，DETree）的过程。使用该框架，DETree 不仅可以高效准确地预测阿尔茨海默病发展的五个精细临床组的任何一种，而且可以通过投射患者在疾病进展过程中所处的位置，提供更深入的状态信息。
为了测试他们的 DETree 框架，研究人员使用了来自多中心阿尔茨海默病神经影像学计划（ADNI）的 266 名阿尔茨海默病患者的数据。将 DETree 策略的结果与其他广泛用于预测阿尔茨海默病进展的方法进行了比较，并使用机器学习方法重复了几次实验以验证该技术。
“我们知道，阿尔茨海默病患者症状恶化的速度往往差异很大，” Zhu 说，“令我们感到振奋的是，我们的新框架比其他可用的预测模型更准确，我们希望这将帮助患者和他们的家人更好地规划这种复杂而破坏性疾病的不确定性。”
他和他的团队相信，DETree 框架有可能帮助预测其他有多种临床发展阶段的疾病的进展，如帕金森病、亨廷顿病和克雅氏病。
创立于1895年的德克萨斯大学阿灵顿分校
参考文献
Source：University of Texas at Arlington
New tool helps predict progression of Alzheimer's
Reference：
Lu Zhang, Li Wang, Tianming Liu, Dajiang Zhu. Disease2Vec: Encoding Alzheimer’s progression via disease embedding tree. Pharmacological Research, 2024; 199: 107038 DOI: 10.1016/j.phrs.2023.107038
免责声明
本公众号上的医疗信息仅作为信息资源提供与分享，不能用于或依赖于任何诊断或治疗目的。此信息不应替代专业诊断或治疗。在做出任何医疗决定或有关特定医疗状况的指导之前，请咨询你的医生。
原文标题 : 新工具有助于预测阿尔茨海默病的进展
