大數據將助力發現阿爾茨海默癥最早癥狀

　　 科學家們利用了一個強大的工具來更好地了解晚發型阿爾茨海默癥的發展過程，并識別其最初的生理跡象。研究人員使用包括磁共振成像（MRI）和正電子發射斷層掃描（PET）在內的多種技術，對處于阿爾茨海默癥不同階段的1171名病人的7700多張腦成像進行了分析。

　　該研究使用多種成像技術在腦部包括所有灰質在內的78個區域上測量淀粉樣蛋白的濃度、葡萄糖代謝、腦血流量、功能活性和腦萎縮。

　　蒙特利爾神經學研究所和醫院的科學家們利用了一個強大的工具來更好地了解晚發型阿爾茨海默癥（late-onset Alzheimer's disease ，LOAD）的發展過程，并識別其最初的生理跡象。

　　在神經內科、神經外科和生物醫學工程學教授艾倫·埃文斯博士（Dr. Alan Evans）的領導下，研究人員使用包括磁共振成像（MRI）和正電子發射斷層掃描（PET）在內的多種技術，對處于阿爾茨海默癥不同階段的1171名病人的7700多張腦成像進行了分析。血液和腦脊髓液，以及受試者的認知水平也在分析范圍內。

　　研究人員發現，與以前的認識相反，阿爾茨海默癥的最初生理標志是大腦血流量減少，而淀粉樣蛋白增加曾被認為是阿爾茨海默癥最早的可檢測標志。雖然淀粉樣蛋白確實發揮了作用，但本研究發現血流量的變化是目前已知的阿爾茨海默癥最早的預兆。研究還發現，在病程發展中認知的變化比以前認為開始的要早。

　　晚發型阿爾茨海默癥（LOAD）是一種極其復雜的疾病，但對它的了解也同樣重要。它不是由一個神經機制引起，而是大腦中的多個相關機制共同造成的結果。LOAD是人類癡呆的最常見的原因，了解其各種機制之間相互作用的過程對發展治療方法至關重要。

　　過去關于構成LOAD的各種機制的研究均在范圍上受到限制，并不能夠提供這種復雜疾病的全貌。此項于6月21日發表在《自然通訊（Nature Communications ）》雜志的研究，分解了大腦中78個區域里的淀粉樣蛋白濃度，葡萄糖代謝，腦血流，功能活動和腦萎縮的格局因素，涵蓋了所有的灰質。

　　蒙特利爾神經學研究所（MNI）的博士后研究員，同時是此論文的第一作者Yasser Iturria Medina說：“缺乏對于LOAD的病理以及其多因素機制的綜合理解，是開發有效的病癥緩解性治療藥物的關鍵障礙。”

　　數據驅動在神經學中變得越來越重要

　　利用過去30年期間每個病人的數據，每個生物因子的軌跡都被記錄下來。然后，將該過程重復500次，以提高的預測的耐變性和結果的穩定性。

　　編譯和分析數據花費了成千上萬個小時的計算時間，如果沒有復雜的軟件和千兆字節的硬盤空間，這一切是辦不到的。Evans介紹說，這種數據驅動的方法在神經學中正變得越來越重要。

　　“我們有很多方法來獲取有關大腦的數據，但你應該如何利用這些數據呢？” 他說，“神經學正被整合并理解所有這些信息的能力所限制。這就造成了復雜的數學和統計挑戰，不過這也是大腦臨床研究的未來所在。”

　　這項研究還強調跨機構共享數據的重要性，稱為開放科學模型。這項研究的病人數據來自阿爾茨海默癥神經影像學計劃（ADNI），這是一個由來自加拿大和美國的30多個機構組成的合作項目。因為數據還沒有公開，所以我們并不知道這對LOAD研究會有什么樣的幫助。Evans指出他的這篇論文只是以ADNI數據為基礎而發表的幾百篇論文中的一篇。

　　他說:“我這項研究本身只是論證了ADNI數據的有效性。并且我相信付出總是有回報的，我們利用他人的數據進行研究，同時貢獻我們自己的數據。”

　　這篇論文是阿爾茨海默癥研究領域至今為止發表的最全面的一篇文章。Evans說他將把這項研究繼續進行下去，不僅僅是記錄所觀測到的數據，而且還要找到LOAD各種機理的根本原因，這有可能是找到更好的醫療手段的關鍵所在。這項研究現在唯一的瓶頸就是計算機對大數據的處理能力到底有多強。

　　Evans說道：“這是一項在計算機領域和數學領域遠遠超出我們現在的能力的一項挑戰。我們進一步的目標是建立LOAD各種致病因素的因果模型，但是這需要非常強大的計算能力。我們的工作是準備好我們的軟件、算法以及數據，并等待相關硬件的開發。”

　　Medina指出：“我們依然非常需要以數據為導向的綜合一體化研究方法，不僅僅考慮所有的生物因素，同時說明各個因素之間的關系。沒有這些的話，行之有效的治療手段只會是一場空談，并且我們將依然在黑暗中前行。”