2022年9月15日，药明奥测团队携手海军军医大学第二附属医院（上海长征医院）尹又教授团队在The Journals of Gerontology杂志发表了人工智能驱动血管性认知障碍整合诊断的论文。此项研究为该领域第一篇探索运用客观指标参数（血液生物标志物与睡眠监测参数）结合自主研发的算法模型进行精准的认知功能评估的文章。

这是药明奥测人工智能团队与临床专家在脑科学领域合作的创新成果，为中国血管性认知障碍的精准诊断与疾病治疗及管理提供了新的思路。

创新血管性认知障碍评估手段势在必行

认知功能评估是对血管性认知障碍患者进行疾病干预、用药与管理的重要前置手段。目前，神经心理学量表是认知功能评估的主要手段。然而，其临床实施存在诸多难点。一方面，单项的量表准确性较低、评估不全面；成套量表测试过程复杂、难以大规模普及。另一方面，血管性认知障碍患者多为老年人。他们的听力、语言表达能力乃至文化水平等因素都影响着量表评估的开展。评估结果的客观性和准确性往往不够理想。运用创新手段评估血管性认知障碍势在必行。

血管性认知障碍客观指标的确认

在此次发表的研究中，研究团队开创性地采用睡眠监测参数和血液生物标志物水平作为血管性认知障碍的客观评估指标。

睡眠是影响神经系统修复再生的上游环节，与认知功能密切相关。研究团队通过对照认知受损较重/较轻组，首次确认快速眼动期睡眠占比、呼吸低通气次数等睡眠监测参数在不同进程的血管性认知障碍患者间存在显著差异。

生物标志物水平是反映认知功能变化的下游环节，近年来被广泛研究与探讨。目前已经明确：大脑皮层中的不溶性淀粉样蛋白可导致脑小血管病变；Tau蛋白与语言功能下降密切相关；NFL可反映大脑及神经系统损伤。研究团队发现， NFL在不同进程的血管性认知障碍患者间存在显著差异，Tau和Aβ42/40在认知受损较重/较轻组间也有明显变化。

人工智能驱动血管性认知障碍整合诊断

认知障碍，涉及人体最精密的器官大脑，病因和病理机制尤为复杂。近年来，包括药明奥测在内的国内外多个团队开始将人工智能应用于认知障碍研究，有力推动了阿尔茨海默症和血管性认知障碍的精准诊疗。

本项研究首次建立了人工智能驱动的血管性认知障碍评估模型。研究团队以单一量表评估结果作为临床终点，通过AI算法模型对5项血液生物标志物和28项PSG睡眠监测参数分别进行建模，首先确认了两者作为量化指标对于评估患者认知功能具有良好潜力。随后，研究团队模拟临床场景，以患者的全方位、多维度的认知状况作为临床终点进行AI建模。

结果显示，血液生物标志物和睡眠监测参数能准确评估患者的整体认知状况，其中血液生物标志物模型（Aβ40、Aβ42、t-tau、p-tau181、NFL）的AUC达到0.928，准确度为89%。

此项研究展示了人工智能模型在血管性认知障碍评估中的良好应用潜力。通过不断丰富完善临床大数据训练，该模型未来还将运用于其他认知类疾病的诊断。相信在不远的未来，人工智能驱动的整合诊断将应用于更多疾病领域，进一步推动实现“健康中国2030”的目标。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。