新模型可提前预测个体痴呆风险

未来，预知痴呆UKB-DRP预测模型助力早期诊断

研究人员通过深入研究，筛选出了排名前十的痴呆预测因子，基于这些因子构建了UKB-DRP痴呆预测模型。该模型不仅能预测个体在五年、十年甚至更长时间内是否可能发病，还能筛查出处于痴呆症病程早期的群体，为高风险人群带来希望的曙光，使“记忆的橡皮擦”影响减缓。

痴呆症，一种医学上的常见病症，包括阿尔茨海默病、血管性痴呆等类型，其中阿尔茨海默病占比最高。在我国，60岁及以上人口中约有1500万名痴呆症患者，其中1000万人患有阿尔茨海默病。我们对于痴呆症的病理理解尚不完全，也没有有效的治疗方法。

近日，复旦大学附属华山医院神经内科主任医师郁金泰临床研究团队联合复旦大学类脑智能科学与技术研究院的冯建峰教授和程炜青年研究员算法团队共同开发了UKB-DRP痴呆预测模型。该模型结合了医学与人工智能的跨学科交叉融合，通过对大量中老年人健康信息的分析，研究出了这个具有高效预测能力的模型。相关研究成果已发表在《电子临床医学》上。

痴呆症的隐匿起病和缓慢发展使得确定发病时间变得困难。阿尔茨海默病作为最常见的类型，其长达20年的潜伏期使得患者在临床诊断时常常错过最佳治疗时间。为了实现早发现、早干预、早治疗，越来越多的研究团队开始研究痴呆症的早期生物标记物，寻找有效的疾病预测方法。

传统的痴呆症风险预测模型大多基于统计学方法构建的评分量表，如CAIDE评分、DRS评分和ANU-ADRI评分等。虽然这些评分系统具有一定的参考价值，但它们在预测精度和应用场景方面存在局限性。随着人工智能在医疗领域的广泛应用，越来越多的研究团队开始利用机器学习构建预测模型。部分模型为了追求预测精度而忽视了应用场景的实际需求，使得模型的推广和应用受到限制。

郁金泰团队联合冯建峰和程炜团队通过大量的数据分析和机器学习，成功构建了UKB-DRP痴呆预测模型。该模型选取了排名前十的痴呆预测因子，包括年龄、基因、认知测试、生理指标等。研究显示，该模型对全因痴呆及其重要亚型阿尔茨海默病具有较高的预测效能，其AUC值达到0.85以上。这意味着该模型的预测精度较高，能为患者提供更早的干预机会。

UKB-DRP痴呆预测模型填补了国内研究在这一领域的空白，并实现了模型预测精度与应用场景的结合。它的开发为痴呆症的早期诊断和干预提供了新的希望，为高风险人群带来了延缓病程的曙光。阿尔茨海默病在中国的影响日益显现，其致死率已经跃升至我国疾病死亡谱的前五位。痴呆风险预测模型的研究和应用在此背景下显得至关重要。这种模型不仅能为药物研发提供精准方向，还能在早期发现痴呆症患者，为预防和治疗提供宝贵的时间。

郁金泰团队提出的UKB-DRP痴呆预测模型在基层医疗机构中的应用前景广阔。这一模型的预测因子简单易得，只需通过问卷、简单查体和血常规检查即可获取，大大降低了预测成本，使其更易于在各级医疗单位推广。

随着国内基层社区对慢病管理的重视，将痴呆症风险的预测纳入集体体检和自测慢病活动中已成为可能。中国有大量的认知障碍患者和潜在的高危人群，因此痴呆风险预测模型在社区层面推广应用，对于慢病的防控具有重大价值。这一模型不仅能指导患者尽早干预和预防痴呆症，还能提高神经科医师的诊治能力，推动形成针对痴呆高危人群的筛查策略和规范化的评估体系。

郁金泰团队对模型的未来应用有着明确的规划和期待。他们希望通过优化模型，使其评估更为精准，指标更加简单易得。未来，这一模型将不仅能预测个体的痴呆风险，还能细化到预测每一年的发病风险。这将为个体提供更加具体的指导，帮助他们了解如何尽快干预和预防痴呆症。

UKB-DRP痴呆预测模型在阿尔茨海默病的防治中具有巨大的应用潜力。它不仅能为药物研发提供方向，还能在基层社区推广，为慢病的防控贡献力量。随着团队的进一步研究和优化，这一模型的应用将更加广泛，为更多的人带来希望。