摘要：由于寻找成功的阿尔茨海默氏病药物的努力仍然遥遥无期，专家们认为，识别生物标志物-该病的早期生物体征可能是解决治疗难题的关键。但是，从成千上万的阿尔茨海默氏病患者中快速收集数据远远超出了科学家理解它的能力。

于寻找成功的阿尔茨海默氏病药物的努力仍然遥遥无期，专家们认为，识别生物标志物-该病的早期生物体征可能是解决治疗难题的关键。但是，从成千上万的阿尔茨海默氏病患者中快速收集数据远远超出了科学家理解它的能力。
　　
　　现在，在美国国立卫生研究院国家老龄化研究所的资助下，美国宾夕法尼亚大学佩雷尔曼医学院的研究人员将获得1780万美元的资助，并与11个研究中心合作，确定该疾病的更精确的诊断生物标志物和药物靶标，这将使全球近5000万人受益。对于该项目，这些团队将应用先进的人工智能（AI）方法来整合和查找来自60,000多名阿尔茨海默氏症患者的遗传、成像和临床数据中的模式，这是同类研究中规模最大、最雄心勃勃的研究项目之一。
　　
　　宾夕法尼亚大学的放射学教授兼生物医学图像计算和分析中心主任Christos Davatzikos博士以及信息学教授Li Shen博士是这个为期五年项目的五个主要研究人员中的成员。
　　
　　Davatzikos说：“大脑衰老和神经退行性疾病（其中最常见的是阿尔茨海默氏病）是高度异质的。这是剖析这种异质性的史无前例的尝试，这可能有助于为治疗方法以及未来的临床试验提供信息。”
　　
　　宾夕法尼亚大学的研究人员称，阿尔茨海默病患者群体的多样性是药物试验失败的重要原因。
　　
　　Shen说，“我们知道大脑中可能存在无法通过视觉检测的复杂模式。类似地，可能没有单一的遗传标记使某人处于阿尔茨海默氏症的高风险中，而是可能形成多种基因的组合，创造一场完美的风暴。机器学习可以帮助合并大型数据集，并弄清以前无法看到的复杂模式。”
　　
　　这就是为什么该项目的第一个目标将是找到三种模式（基因、影像学和临床症状）之间的关系，以便识别出预测阿尔茨海默氏病诊断和进展的模式，并区分该疾病的几种亚型。
　　
　　Davatzikos说，“我们想重新定义'阿尔茨海默氏病'一词。事实上，对一组患者有效的治疗方法可能对另一组患者无效。”
　　
　　然后，研究人员将利用这些发现来建立认知能力下降和阿尔茨海默氏病进展的预测模型，该模型可用于指导未来患者的治疗。
　　
　　这项工作还将利用由美国国立卫生研究院资助的阿尔茨海默氏病测序项目的数据，该项目由宾夕法尼亚州的Gerard Schellenberg博士和Li-SanWang博士以及来自40个研究机构的同事牵头。该项目旨在确定新的基因组变异体，这些新的基因组变异体对阿尔茨海默氏症的发展也有帮助。
　　
　　
　　编辑：Harris