TCCI研究员郁金泰团队开发出全新痴呆风险预测模型

近期，复旦大学附属华山医院教授、天桥脑科学研究院（TCCI）研究员郁金泰团队及合作者在《柳叶刀》子刊《eClinicalMedicine》上发表了题为“Development of a novel dementia risk prediction model in the general population: A large, longitudinal, population-based machine-learning study”的研究。该研究旨在开发全新的痴呆风险预测模型，提高风险人群的早期识别。

痴呆是由多种脑部疾病导致的慢性或进行性综合征，包括记忆、思维、定向、计算、理解、学习能力、语言和判断功能的紊乱。痴呆存在多种不同形式，其中最常见的是阿尔茨海默病（可能占痴呆病例的60%~70%）。随着社会老龄化的加剧，痴呆患者人数逐年递增。全世界大约有5000万痴呆患者，每年新增病例1000万，给个人、家庭和社会带来了沉重的身体、心理和经济负担。

由于痴呆病程长，在发病前20年就会出现病理性改变，当患者诊断为痴呆时，往往已错过了最佳的治疗时间窗。因此，亟需寻找早期预测痴呆的方法，识别痴呆高风险人群。为此，郁金泰教授团队及合作者开展了此项研究。

研究人员在英国生物样本库（UK Biobank）的纵向人群队列中，随访了425159位40~69岁的非痴呆参与者（中位随访时间为11.9年），其中5287位参与者被诊断为新发痴呆。研究纳入参与者的认知、生化、行为和基因等多维度健康相关指标366个，涵盖了广泛的遗传和环境因素。

随后，研究人员运用机器学习算法，计算每个指标对痴呆预测模型的重要程度，最终选出排名前十的指标作为痴呆预测因子，构建了UKB-DRP痴呆预测模型。这十个预测因子是：年龄、载脂蛋白E（ApoE）基因、认知配对测试时长、腿部脂肪百分比、服药数量、认知反应测试时长、呼气峰流量、母亲死亡年龄、慢性疾病和平均红细胞体积。

预测因子重要度排序和模型纳入预测因子对痴呆的预测效能（水平杆范围越宽，对预测的影响越大）

UKB-DRP痴呆预测模型对未来五年、十年甚至更长时间的全因痴呆和阿尔茨海默病的预测效能均较高，其中全因痴呆的预测AUC值为0.85，而阿尔茨海默病的预测AUC值更高，可达0.86~0.89。AUC的取值范围在0.5和1之间，AUC越接近1.0，检测方法真实性越高。

研究人员进一步对UKB-DRP预测痴呆模型的风险校准度进行了评估，模型预测的新发痴呆事件和观察到的痴呆发生事件一致性较高。研究人员还将UKB-DRP痴呆预测模型与国际上已发表的预测模型进行了比较，结果表明UKB-DRP痴呆预测模型的预测精度明显更优。

除此之外，UKB-DRP痴呆预测模型的优势在于，其纳入的十个预测因子可以从问卷调查、简单查体和常规血液检查中快速获取。相比其他基于昂贵全基因组测序、有创腰椎穿刺或PET影像等复杂预测因子建立的模型，UKB-DRP痴呆预测模型可广泛应用于各级医疗单位的早期筛查。

为便于民众一键式操作，研究团队研发了UKB-DRP痴呆预测模型的网页版应用。使用者在页面左侧输入待测个体的相关信息，就可以获取个体未来五年、十年甚至更长时间的痴呆发病风险。

总之，本研究确定的全新痴呆风险预测模型，为痴呆的早期筛查提供了有力工具，有利于在疾病早期开展有效的精确预防和干预，进而延缓病程进展，降低疾病负担。