中新健康丨国际最新研究：机器学习模型检测血液蛋白或有助于预测帕金森病

　　中新网北京6月19日电 (记者 孙自法)施普林格·自然旗下学术期刊《自然-通讯》最新发表一篇医学研究论文认为，通过机器学习模型检测血液中的蛋白质，或有助于最早在运动症状出现前7年预测帕金森病的发生。

　　帕金森病是一种神经退行性疾病，症状表现为行动迟缓、僵硬和静止性颤抖。在出现运动症状前，会有一段时间出现非运动症状，包括快速眼动(REM)睡眠行为障碍等睡眠障碍，而快速眼动睡眠行为障碍是日后帕金森病进展的重要预测指标。因此，研究患有快速眼动睡眠行为障碍的个体，为深入了解帕金森病发病前的早期病理变化提供了机会。

　　论文共同通讯作者、英国伦敦大学学院大奥蒙德街儿童健康研究所Jenny Hällqvist和德国哥廷根大学医学中心Michael Bartl与同事及合作者一起，分析了99名近期被诊断患有帕金森病的患者、72名出现快速眼动睡眠行为障碍但没有帕金森相关运动症状的患者，以及36名健康对照者的血样。他们从帕金森病患者的血液中识别出涉及炎症、凝血级联和Wnt信号通路的23种蛋白质的持续失调，在这些蛋白质中，有6种在快速眼动睡眠行为障碍患者中也显示出失调。

　　随后，论文作者用一种机器学习模型来预测基于蛋白质组成的诊断结果，根据8种蛋白质的表达，该模型能识别出100%的帕金森患者。他们接着测试了机器学习模型能否预测一名快速眼动睡眠行为障碍患者会否发展为帕金森病。结果显示，该模型能在帕金森病患者运动症状出现前最多7年预测发病情况，准确率达79%。

　　论文作者总结指出，识别早期帕金森病患者能够让更多人参与预防性临床试验，改善患者治疗方案和研究成果。这方面的后续研究，还需在更大的队列中进一步验证，才能将这些发现转化到临床应用中。(完)