生物行移动版

帕金森病（PD）是一种高度异质性的神经退行性疾病，临床表现和进展速度差异巨大。VIB和鲁汶大学领导的一项新研究利用无监督机器学习（基于多模态数据：多巴胺转运蛋白SPECT、遗传学、临床症状、认知表现、生物标志物），在大规模队列（如帕金森病进展标志物倡议PPMI）中，首次将帕金森病患者分类为两种主要类型（进一步可细分为五种亚型），这些类型具有独特的进展轨迹、不同的遗传负荷及潜在的病理机制。

该分类系统超越了基于运动症状的简单临床分类（震颤为主型 vs. 姿势不稳/步态障碍型），并提供了一种预后分层与临床试验富集的新框架。

研究背景：帕金森病的异质性挑战

临床上迫切需要将患者分为预后相似的亚组，以：（1）指导治疗决策（例如，多巴胺替代疗法 vs. 针对非运动症状的药物治疗）；（2）富集疾病修饰疗法的临床试验（以检测在快速进展者中的效果）。

研究方法

核心发现

帕金森病的两种主要类型与五种亚型

这些亚型在疾病进展速度、认知下降轨迹和非运动症状负担上表现出显著差异。例如，亚型1患者平均10年以上仍保持独立生活，而亚型3-5患者在5-7年内即需要日常照料。

临床意义与未来方向

该研究为精准医学在帕金森病中的应用奠定了基础。通过早期识别亚型，医生可以：（1）为患者提供更准确的预后信息；（2）制定个体化治疗策略，如对快速进展型患者早期使用左旋多巴联合非运动症状管理；（3）在临床试验中筛选同质性更高的患者群体，提高药物研发效率。未来研究需进一步验证这些亚型在不同种族和地域队列中的稳定性，并探索其与α-突触核蛋白病理播散模式的关联。