バイオマーカー

科学分野:

• 神経学
• 生物医学データサイエンス
• 老年学

背景:

• アルツハイマー病（AD）認知症のリスク予測は、早期介入にとって重要であり、血管リスク因子の管理を通じて症例の30％を予防できる可能性があります。
• ADの新しい疾患修飾薬は、最も初期の臨床段階で最も効果的であり、認知機能が正常な個人における早期検出のためのツールが必要とされています。
• コスト効率が高くスケーラブルなスクリーニングツールは、早期治療へのアクセス改善のために、リスクの高い認知機能が正常な（CH）被験者を特定するために必要とされています。

研究 の 目的:

• 日常の血液検査データを使用してアルツハイマー病認知症のリスクを評価するための予測ツールの開発。
• 大規模集団における早期ADリスクスクリーニングのための日常の血液カウントと化学パネルの利用の実現可能性の評価。

主な方法:

• Clalit医療サービスの45歳以上の認知機能が正常な381,754人のコミュニティコホートを分析しました。
• 機械学習（ML）モデルは、過去の血液検査データ（1〜10年）と予測期間（1〜10年）を使用してトレーニングされました。
• モデルのパフォーマンスは、精度、AUC、精度、再現率、F1スコア、その他の統計的指標を使用して評価されました。

主要な成果:

• モデルは、さまざまな期間と予測期間にわたって一貫して約0.73の精度を示しました。
• 曲線下面積（AUC）は、2年間の履歴と3年間の予測期間で最大0.84に達しました。
• 精度は0.19〜0.28と変動しましたが、再現率は0.73〜0.82と高く、リスクのある個人を特定する可能性を示唆しています。

結論:

• 日常の血液カウントと化学物質には、将来のアルツハイマー病認知症のリスクを予測するための貴重な情報が含まれています。
• 機械学習とAIは、日常の血液検査をAD認知症リスク評価の効果的なスクリーニングツールに変えることができます。
• このアプローチは、早期AD介入から恩恵を受ける可能性のある個人を特定するためのスケーラブルで低コストの方法を提供します。