バイオマーカー

背景:

• アミロイドプラーク蓄積はアルツハイマー病（AD）の特徴であり、前臨床段階で始まる可能性があります。
• 効果的なAD予防戦略を開発するには、アミロイド蓄積の自然な速度を理解することが不可欠です。
• 以前の研究では、アミロイドプラーク蓄積は、さまざまな要因の影響を受ける指数関数的成長モデルに従う可能性があることが示唆されています。

研究 の 目的:

• 自然史データを用いて、長期（10年以上）のアミロイドプラーク蓄積モデルを確立すること。
• 多様なコホートにおけるアミロイドプラーク進行に影響を与える重要な要因を特定すること。
• AD予防試験のデザインと解釈に役立てること。

主な方法:

• ステップワイズ共変量選択と人工知能を用いた非線形混合効果モデリングを利用しました。
• 大規模コホート（ADNI (N=1745)、BioFINDER (N=265)、LEARN (N=4492)）のデータを分析しました。
• 線形、指数関数的、非線形モデルを評価して、蓄積率とばらつきを推定しました。

主要な成果:

• アミロイドプラーク蓄積の有意な予測因子として、年齢、ベースラインのアミロイドプラークレベル、APOE4遺伝子型を特定しました。
• 60歳頃にアミロイドプラークが急増し、高齢になると飽和状態になることが観察されました。
• これらの変化はAPOE4キャリアでより早期に始まることが示されました。

結論:

• AD臨床試験のデザインに適用可能な、数十年間のアミロイドプラーク蓄積の予測モデルを開発しました。
• アミロイド蓄積を予防することが、前臨床ADおよびその後の認知機能低下を回避できる可能性があることを強調しました。
• アミロイドを標的とする新しいAD治療介入の解釈におけるモデルの有用性を強調しました。