来源：中南大学湘雅医院和东北大学
阿尔茨海默病是当前社会的热点话题之一。随着人口老龄化加剧，该病发病率不断攀升，已成为重要的公共卫生挑战。2025 年全国两会期间，专家强调要通过「四早」干预，即早预防、早发现、早诊断、早治疗，构建全链条防治体系。目前，我国 60 岁及以上痴呆患者超 1500 万，其中阿尔茨海默病患者约 983 万。预计到 2050 年，我国患者将达 4000 万。
2025 年 3 月 5 日，中南大学湘雅医院神经内科、国家老年疾病临床医学研究中心 (湘雅医院) 沈璐教授团队与东北大学信息科学与工程学院李志刚副教授团队在柳叶刀子刊《eClinicalmedicine》(IF = 9.6（近 3 年平均 13.9）) 以论著形式在线发表了题为「Development and validation of machine learning models with blood-based digital biomarkers for Alzheimer’s disease diagnosis: a multicohort diagnostic study(基于血液数字生物标志物的机器学习模型在阿尔茨海默病诊断中的开发与验证：多队列诊断研究)」的原创性研究成果。
该研究创新性构建基于衰减全反射傅立叶变换红外光谱 (ATR-FTIR) 的血浆数字化诊断模型，首次揭示血液光谱特征与阿尔茨海默病 (AD) 病理机制的内在关联，为 AD 的早期筛查和诊断提供有价值的支持。
迄今为止，AD 临床诊断主要依赖脑脊液检测及分子影像技术，存在侵入性操作风险高、费用昂贵等局限性。针对这一全球性难题，研究团队开创性提出"光谱组学"研究范式，通过红外光谱与生物分子的相互作用，同步捕获蛋白质构象、脂质代谢、核酸结构等多维分子信息，生成具有独特诊断价值的"数字生物指纹"。相较于传统单一生物标志物检测，该技术可全景式解析 AD 病理生理过程中复杂的分子网络变化，为辅助诊断模型提供高内涵数据支撑，破解 AI 模型临床应用的决策解释性与透明度瓶颈。
沈璐教授团队历时五年开展多中心队列研究，累计纳入 1324 例中国人群样本。联合东北大学医工交叉团队，利用独特的人工智能算法和信息挖掘技术，成功筛选出 AD 特异性数字生物标志物组合。基于机器学习构建性能卓越的数字化诊断模型 (MLDB)：在 AD 与健康人群（HC）的鉴别中取得 0.92 的曲线下面积（AUC），灵敏度与特异性分别达 88.2% 和 84.1%；对轻度认知障碍 (MCI) 患者的识别能力达 AUC 0.89；在鉴别路易体痴呆（DLB）、额颞叶痴呆 (FTD) 及进行性核上性麻痹 (PSP) 等神经退行性疾病时，AUC 分别达到 0.83、0.80 和 0.93，展现出强大的临床鉴别诊断能力。通过单分子免疫检测技术 (SMID) 验证发现，血浆 p-tau217、GFAP 等经典生物标志物与特定光谱特征存在显著负相关，为模型赋予分子病理学解释。该数字化诊断模型展现出三重临床优势：①在 AD 诊断效能上显著优于传统方法；②可精准识别 MCI 患者；③在鉴别 DLB、FTD 及 PSP 等其他神经退行性疾病方面表现突出。
光谱组学技术仅需微量血液样本即可实现全景式分子表征，系统解析 AD 病理生理过程兼具无创、低成本、高可及性等优势，为 AD 早筛、早诊的立体防治体系建立提供创新解决方案。
好文章，需要你的鼓励
