一个人工智能辅助的多重光传感平台,用于对阿尔茨海默病的诊断进行分级
Yibiao Liu1, Zhongzeng Zhou2, Xingyun Liu2
1Affiliated Longgang Central Hospital of Shantou University Medical College, Longgang Central Hospital of Shenzhen, Shenzhen, Guangdong 518116, China.
Journal of materials chemistry. B
|October 8, 2025
概括
这项研究引入了一个AI模型,使用血液生物标志物粉样蛋白-β (Aβ) 和酸化 (P-tau) 来准确诊断阿尔茨海默病 (AD). 多生物标志物方法显著提高了AD查的诊断准确性.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物发现发现
- 人工智能在医学中的应用
背景情况:
- 基于血液的生物标志物对于阿尔茨海默病 (AD) 诊断至关重要.
- 单个生物标志物的准确性受到个体变异的限制,阻碍了大规模查.
- 多重复合生物标志物为改善诊断性能提供了一个潜在的解决方案.
研究的目的:
- 开发一个多重光传感平台,同时检测血液中的Aβ40,Aβ42和P-tau181.
- 构建一个人工智能 (AI) 模型,整合这些生物标志物用于AD诊断和分级.
- 评估AI模型在临床样本中的诊断准确性和预测价值.
主要方法:
- 开发一个多重光传感平台,用于同时测量Aβ40,Aβ42和P-tau181.
- 分析了60个临床样本 (15个健康对照,15个主观认知衰退,15个轻度认知障碍,15个AD).
- 使用三个血液生物标志物的AI模型的构建和验证.
主要成果:
- 人工智能模型实现了91%的高整体预测准确度.
- 该模型显示了高的正预测值 (PPV) 和低的错误率 (8.8%).
- 在临床样本中,AD分级的诊断准确度和PPV超过了90%.
结论:
- 结合人工智能的多生物标志物策略显示,对精确的阿尔茨海默病诊断和分期有很大的希望.
- 这种方法提高了诊断能力,超出了单个生物标志物分析.
- 开发的平台为改善AD查和临床管理提供了可行的工具.
