Глубокая совместная обучающаяся протеомная модель для диагностики шести состояний, связанных с деменцией

Почему важен простой анализ крови для оценки состояния мозга

Деменция — это не одно заболевание, а группа нарушений мозга, которые часто пересекаются, затрудняя и удлиняя процесс постановки диагноза и делая его дорогостоящим и ненадежным. В этом исследовании рассматривается обнадеживающий вопрос: может ли один анализ крови, интерпретируемый искусственным интеллектом, помочь врачам одновременно выявлять несколько различных заболеваний, связанных с деменцией, задолго до появления выраженных нарушений памяти?

Как образец крови превращается в «снимок» состояния мозга

Исследователи создали систему под названием ProtAIDe-Dx, которая анализирует тысячи белков, циркулирующих в крови человека, и использует их для оценки вероятности шести состояний, связанных с деменцией: болезни Альцгеймера, болезни Паркинсона, фронтотемпоральной деменции, бокового амиотрофического склероза, перенесённого инсульта или микроинсульта и нормальной когниции. Вместо того чтобы сканировать мозг или брать спинномозговую жидкость, подход опирается на стандартный забор крови и лабораторную технику, способную измерять более 7 000 белков одновременно. Затем глубокая нейронная модель обучается распознавать в этих белках шаблоны, характерные для людей с каждым из состояний.

Насколько хорошо работает основанный на крови ИИ‑тест

Команда обучала и тестировала ProtAIDe-Dx на образцах крови более чем 17 000 человек, собранных в 19 центрах по всему миру. Система в процессе обучения не использовала информацию о возрасте, поле, клинике, диагнозе или показателях когнитивных тестов; она опиралась только на белковые паттерны. И тем не менее в большинстве случаев она правильно отличала людей с теми или иными заболеваниями от здоровых контрольных участников. Точность была максимальной для бокового амиотрофического склероза и болезни Паркинсона, где сбалансированная правильная классификация превышала 90 процентов, и оставалась выше 70 процентов для всех шести состояний. Оценки модели по болезни Альцгеймера коррелировали с известными факторами риска: люди с большим числом копий риск‑аллеи APOE ε4 и участники с худшими результатами тестов памяти чаще получали повышенные вероятности для болезни Альцгеймера.

Выявление скрытых смесей заболеваний мозга

Поскольку ProtAIDe-Dx выдаёт вероятность для каждого из шести состояний, он может помечать людей, чьи белковые паттерны указывают на более чем одну основную проблему. Когда исследователи нанесли каждого человека на карту, определённую этими вероятностями, появились кластеры, которые отражали клинические диагнозы, но также выявляли важные перекрытия. Например, некоторые люди с клиническим диагнозом болезни Альцгеймера оказались в областях, доминируемых паттернами инсульта или Паркинсона, а подгруппа при боковом амиотрофическом склерозе располагалась рядом с фронтотемпоральной деменцией. Эти группы имели отличительные клинические характеристики и белковые подписи, что указывает на смешанную или атипичную биологию заболевания, которую традиционная диагностика пропускает. Модель также могла выявлять белковые сети, связанные с общей устойчивостью или уязвимостью мозга, а не только с одним расстройством.

Проверка инструмента в реальной клинике памяти

Далее учёные испытали ProtAIDe-Dx на независимой когортe почти 1 800 человек из клиники памяти, где были доступны подробные сканы мозга и анализы спинномозговой жидкости. Хотя данные этой клиники не использовались при обучении системы, её вероятности всё ещё согласовывались со многими маркерами заболеваний в мозге. Повышённые вероятности, похожие на инсульт, коррелировали с большим повреждением белого вещества на МРТ, тогда как высокие вероятности для болезни Альцгеймера совпадали с повышенными уровнями тау‑маркеров и истончением областей мозга, которые уменьшаются при этом заболевании. Когда ProtAIDe-Dx комбинировали со стандартными показателями, такими как возраст, простые когнитивные тесты и несколько кровяных и визуализационных маркеров, врачи могли точнее отличать болезнь Альцгеймера, болезнь Паркинсона, фронтотемпоральную деменцию и последствия инсульта, чем при использовании только рутинных клинических инструментов.

Что это может значить для пациентов и врачей

ProtAIDe-Dx пока недостаточно точен, чтобы заменить сканирование мозга или люмбальную пункцию, и ему по‑прежнему трудно идеально обобщаться между разными больницами и центрами. Но он уже предлагает новшество: один минимально инвазивный анализ крови, дающий быстрый вероятностный обзор нескольких состояний мозга одновременно и указывающий на конкретные белки, повлиявшие на результат каждого человека. Это может помочь врачам решить, кому необходимы более углублённые обследования, выявлять смешанные патологии, объясняющие запутанные симптомы, и в перспективе направлять более персонализированное лечение. Работа показывает, что богатые белковые паттерны в крови несут значимые сигналы о состоянии мозга, и что искусственный интеллект может помочь раскрыть их для использования в повседневной помощи при деменции.

Цитирование: An, L., Pichet Binette, A., Hristovska, I. et al. A deep joint-learning proteomics model for diagnosis of six conditions associated with dementia. Nat Med 32, 1852–1864 (2026). https://doi.org/10.1038/s41591-026-04303-y

Ключевые слова: диагностика деменции, плазменная протеомика, болезнь Альцгеймера, искусственный интеллект, биомаркеры в крови