AI结合视网膜影像，数十年前预警阿尔茨海默病风险
一项由佛罗里达大学（University of Florida）科学家主导的开创性研究揭示，通过人工智能（AI）分析常规眼部照片，有望开发出一种经济、无创的方法，在临床症状出现前数十年预测阿尔茨海默病（AD）的主要风险因素。这项研究为阿尔茨海默病的早期筛查和干预提供了前所未有的机遇。
“眼睛常被称为‘心灵的窗户’，但它或许也能提供关于大脑健康的重要线索。”研究团队指出，阿尔茨海默病通常需要数十年才能发展到出现临床症状的阶段，而目前的诊断工具大多集中在疾病晚期，此时干预往往为时已晚。佛罗里达大学生物医学工程学教授、该研究的负责人方若谷（Ruogu Fang）博士表示：“通过关注视网膜健康等新型生物标志物，我们为识别高风险患者、提供适当检测并鼓励他们采取健康生活方式以降低风险提供了新机会。”
视网膜：中枢神经系统的延伸与“生物传感器”
视网膜在发育和解剖学上是中枢神经系统的直接延伸，在胚胎发育过程中，它实际上是大脑组织向眼部外推的一部分。由于共享相同的胚胎起源，眼底的血管和神经纤维能够反映颅内的微血管系统和神经通路。因此，全身性炎症、睡眠不足或血管疾病造成的损伤会显现在视网膜的精细结构中，使其成为大脑隐藏状态的可见“代理”。
研究团队利用机器学习模型，对来自英国一个大型数据库中超过40,000名患者的视网膜图像进行了训练和验证。通过深入分析，他们成功地将视网膜的特定区域，如视网膜动脉和视神经，与阿尔茨海默病易感性相关的生物学和生活方式风险因素建立了联系。
AI精准识别风险因素，超越传统自述报告
该AI模型能够准确预测多种生物学特征，如生物性别和血压，以及与阿尔茨海默病发展相关的生活方式因素，包括吸烟、饮酒和失眠。这些因素虽然部分记录在患者的病历中，但病历往往不完整，而像饮酒和吸烟等习惯则高度依赖患者不可靠的自我报告。
佛罗里达大学的博士生、该论文的第一作者Seowung Leem指出：“在AI的帮助下，我们现在能够识别出以前在数千名受试者中被忽视的细微视网膜变异，这些变异可能成为未来疾病风险的可靠指标。”方若谷博士补充道：“视网膜形态学可以提供神经血管完整性的可测量指标，这与阿尔茨海默病的易感性高度相关。从这个意义上说，视网膜成像与其说是一个替代问卷，不如说是一个累积风险的综合生物传感器。”
与传统图表严重依赖患者对酒精摄入、吸烟习惯或失眠水平等生活方式风险因素的自我报告不同，这些报告往往不准确或被患者最小化。此外，传统图表无法显示特定生活方式造成的实际损伤。AI模型能够读取这些习惯在数十年间对眼部组织造成的物理性、累积性损害。它将一张简单的照片转化为一个客观的生物传感器，反映实时的神经血管脆弱性。
早期干预：从被动治疗转向主动预防
这项技术的应用前景广阔。视网膜摄影在常规眼科检查、糖尿病筛查和青光眼检查中已广泛普及且成本低廉，这与昂贵的MRI或PET扫描形成鲜明对比。方若谷博士的团队此前已证实视网膜照片可以检测活跃的阿尔茨海默病病例。而科学家们现在认为，该疾病的进展需要许多年甚至数十年。因此，识别早期风险因素能够更好地确定哪些患者可以从早期干预中受益，包括保护性生活方式改变、某些药物治疗甚至大脑训练，从而在不可逆的脑损伤发生之前采取行动。
早期发现能够将时间线从被动治疗转向主动预防。由于脑损伤需要数十年才能在临床上显现，早期识别使患者能够在脑部仍具有高度弹性时实施保护性生活改变。这包括积极的心血管管理、专门的大脑训练方案、严格的睡眠疗法以改善毒素清除，以及可能在广泛神经元死亡发生之前启动早期治疗药物，这些药物在早期阶段通常更为有效。
这项研究得到了美国国家科学基金会（National Science Foundation）的部分资助。方若谷博士及其合作者，包括佛罗里达大学的Adam Woods博士和Meta研究员Yunchao Yang博士，于6月16日在《阿尔茨海默病杂志》（Journal of Alzheimer’s Disease）上发表了他们的研究成果。