En djup gemensam inlärningsmodell för proteomik för diagnos av sex tillstånd kopplade till demens

Varför ett enkelt blodprov för hjärnhälsa spelar roll

Demens är inte en enda sjukdom utan en familj av hjärnstörningar som ofta överlappar, vilket gör diagnostiken långsam, kostsam och osäker. Denna studie ställer en hoppfull fråga: skulle ett enda blodprov, tolkad av artificiell intelligens, kunna hjälpa läkare att upptäcka flera olika hjärntillstånd kopplade till demens samtidigt, långt innan svår minnesförlust uppstår?

Att förvandla ett blodprov till en ögonblicksbild av hjärnhälsan

Forskarna byggde ett system kallat ProtAIDe-Dx som granskar tusentals proteiner som flyter i en persons blod och använder dem för att uppskatta sannolikheten för sex tillstånd kopplade till demens: Alzheimers sjukdom, Parkinsons sjukdom, frontotemporal demens, amyotrofisk lateralskleros, tidigare stroke eller mini-stroke och normal kognition. Istället för att skanna hjärnan eller samla ryggmärgsvätska förlitar sig metoden på ett standardblodprov och en laboratorieteknik som kan mäta mer än 7 000 proteiner samtidigt. En djupinlärningsmodell tränas sedan för att känna igen mönster i dessa proteiner som tenderar att förekomma hos personer med respektive tillstånd.

Hur väl det blodbaserade AI-testet presterar

Teamet tränade och testade ProtAIDe-Dx på blodprover från mer än 17 000 personer insamlade vid 19 platser världen över. Systemet såg aldrig information om ålder, kön, klinik, diagnos eller kognitiva poäng under träningen; det användes endast proteinmönstren. Trots det skilde det i de flesta fall korrekt personer med vissa sjukdomar från friska kontroller. Noggrannheten var högst för amyotrofisk lateralskleros och Parkinsons sjukdom, där balanserad korrekt klassificering låg över 90 procent, och höll sig över 70 procent för alla sex tillstånd. Modellens poäng för Alzheimers sjukdom följde kända riskfaktorer: personer med fler kopior av riskgenen APOE ε4 och de med sämre minnestestresultat tenderade att få högre sannolikheter för Alzheimers.

Avslöjar dolda blandningar av hjärnsjukdomar

Eftersom ProtAIDe-Dx ger en sannolikhet för var och en av de sex tillstånden kan det flagga personer vars blodmönster tyder på mer än ett underliggande problem. När forskarna plottade varje person på en karta definierad av dessa sannolikheter framträdde kluster som speglade kliniska diagnoser men också avslöjade viktiga överlappningar. Till exempel hamnade vissa personer som var märkta som Alzheimers-patienter i områden dominerade av stroke- eller Parkinsonsmönster, och en undergrupp av amyotrofisk lateralskleros låg nära frontotemporal demens. Dessa grupper visade distinkta kliniska egenskaper och proteinsignaturer, vilket antyder blandad eller atypisk sjukdomsbiologi som traditionella diagnoser missar. Modellen kunde också lyfta fram proteinnätverk kopplade till generell hjärnresiliens eller sårbarhet, inte bara till en enskild störning.

Test av verktyget i en verklig minnesklinik

Forskarna testade därefter ProtAIDe-Dx i en oberoende minnesklinisk kohort på nästan 1 800 personer, där detaljerade hjärnavbildningar och ryggmärgsvätsketester fanns tillgängliga. Trots att klinikens data inte användes för att träna systemet stämde dess sannolikheter fortfarande överens med många sjukdomsspecifika hjärnmarkörer. Högre strokeliknande sannolikheter korrelerade med mer skador i vit substans på MRI, medan höga sannolikheter för Alzheimers matchade förhöjda tau-markörer och förtunning i hjärnregioner som krymper i sjukdomen. När ProtAIDe-Dx kombinerades med standardmått såsom ålder, enkla kognitiva tester och ett fåtal blod- och avbildningsmarkörer kunde läkare skilja Alzheimers sjukdom, Parkinsons sjukdom, frontotemporal demens och stroke mer exakt än med rutinmässiga kliniska verktyg ensam.

Vad detta kan innebära för patienter och läkare

ProtAIDe-Dx är ännu inte tillräckligt exakt för att ersätta hjärnavbildning eller lumbalpunktion, och det har fortfarande svårt att generalisera perfekt mellan olika sjukhus och testställen. Men det erbjuder redan något nytt: ett enda, minimalt invasivt blodprov som kan ge en snabb, probabilistisk bild av flera hjärntillstånd samtidigt, samtidigt som det pekar ut de specifika proteiner som formade varje persons resultat. Detta kan hjälpa läkare att avgöra vem som behöver mer avancerad utredning, upptäcka blandade patologier som kan förklara förvirrande symtom och en dag leda till mer skräddarsydd behandling. Arbetet tyder på att rika proteinmönster i blod bär meningsfulla signaler om hjärnhälsa och att artificiell intelligens kan hjälpa till att låsa upp dem för användning i vardaglig demensvård.

Citering: 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

Nyckelord: demensdiagnos, plasma-proteomik, Alzheimers sjukdom, artificiell intelligens, blodmarkörer