《自然·衰老》：两步法搞定AD筛查！以血检为基础，大幅度简化流程

瑞典哥德堡大学的Wagner S.Brum和隆德大学的Oskar Hansson等人成功开发一种血液检测方法，通过p-tau217血液水平来评估轻度认知障碍（MCI）患者大脑中的Aβ状态，划分为低、中、高风险人群，其中只有中风险组的Aβ阳性结果需要接受进一步的CSF检测。

这种基于p-tau217血液水平的检测方法，准确度可高达92.0%，并帮助61.2%-85.9%的MCI患者避免不必要的CSF检测。

文章于近日发表在《自然·衰老》期刊上。

论文首页截图

近年来，抗β淀粉样蛋白（Aβ）单抗aducanumab、lecanemab获得FDA批准，为阿尔茨海默病（AD）治疗领域带来万众瞩目的突破。这些药物通过清除脑内的Aβ斑块，能够减缓早期AD的疾病进展。与此同时，如何诊断AD患者、识别Aβ病理阳性的AD前驱期患者，成为迫切需要解决的难题，以帮助患者尽早采取治疗手段缓解AD病程。

在这项研究中，研究者们开发的血液检测方式，共分为两步来进行。

首先，利用构建的数学模型对p-tau217血液水平和已知的两项Aβ阳性预测因子（年龄、APOE e4基因表达情况）进行分析，从而预测轻度认知障碍（MCI）患者的Aβ阳性风险。根据预测结果，该模型将MCI患者进行分层，分为低、中、高风险组。

其中，中风险组患者的Aβ状态需要接受第二步来确认，即基于CSF中的Aβ42/Aβ40比值进行评估。

其余两组患者则可直接根据第一步中的Aβ状态采取相应的临床决策。高风险MCI患者接受进一步的AD临床诊断或抗Aβ抗体治疗，低风险MCI患者继续排查其它类型的神经退行性疾病或接受心理学评估。

基于p-tau217的血液检测来筛查AD高危人群的设计流程

在设计和验证用于分析p-tau217血液水平的数学模型时，研究者们利用了两组独立的MCI患者队列研究数据（N=348）。另外，他们在该数学模型中设置了低（90%）、中（95%）、高（97.5%）三种阈值的灵敏度/特异性来评估患者的风险分层，以避免漏检Aβ阳性患者或将Aβ阴性患者分类为“高风险”。

验证结果显示，该数学模型性能较高，AUC为94.3%（95%CI，91.2-97.4%）。

从总体流程来看，按照第一步中数学模型所设置的灵敏度/特异性阈值由低到高，这种基于p-tau217血液检测的AD检测方法，准确度达到88.2%、90.5%、92.0%，并将需要接受CSF检测的MCI患者数量降低85.9%、72.7%、61.2%；假阴性率为18.0%、11.0%、6.6%，假阳性值为7.8%、4.8%、2.3%。

研究者们还在第三组患者队列中进行评估（N=84），结果与之相似。

p-tau217血液检测方法的性能

总而言之，这项研究结果表明，p-tau217血液检测用于AD筛查，经济且有效。在保证高准确度的情况下，能够帮助患者避免复杂的CSF或PET检查，极大地降低医疗负担。