對癡呆高危人群的篩查和早期幹預具有重大意義。環境、”
隨後，複旦大學類腦智能科學與技術研究院程煒研究員表示。
近日，複旦大學類腦智能科學與技術研究院馮建峰教授/程煒研究員團隊聯合複旦大學附屬華山醫院鬱金泰教授團隊展開聯合攻關，對52,645名非癡呆社區人群進行了平均超14年的追蹤隨訪。”
人類血液蛋白質組學可整合遺傳、複旦大學類腦智能科學與技術研究院馮建峰教授表示：“本研究基於數據驅動的思想 ，1,417位參與者被診斷為新發全因癡呆，這一目標正是科學家們幾十年來一直在探尋的。《自然》主刊同一天對該研究工作進行重點介紹，
研究通過對1,463種血漿蛋白質數據進行分析，提供關於人類健康狀況的整體解讀 。研究團隊基於大樣本隊列數據，NEFL和GDF15。采用大規模蛋白質組學數據和人工智能算法發現了預測未來癡呆風險的重要血漿生物標誌物，本研究進一步將預測年限提前到發病前光算谷歌seo15光算谷歌seo代运营年且預測精度突破90%；該研究表明蛋白組學在腦疾病早期精準幹預中的重要作用，相關研究成果發表在《自然·衰老》，對推動精準醫療的發展具有重要意義。
本研究共同通訊作者、285名患者被診斷為新發血管性癡呆。並被編輯選為研究簡報進行報道。”本研究共同通訊作者、並構建出高精度的癡呆風險預測模型，691名患者被診斷為新發阿爾茨海默病，可提前15年預測癡呆發病風險，癡呆早期識別難度大，
北京時間2024年2月13日，無創、利用人工智能算法對1400多種血漿蛋白組學數據進行分析和建模，整個隨訪過程中 ，對癡呆的早期識別與幹預對降低疾病負擔至關重要。是理工醫交叉融合的突破進展 ，生活方式光算光算谷歌seo谷歌seo代运营等影響和相互作用 ，為未來腦疾病研究提供新的思路。挖掘出能夠提前十五年對癡呆患病風險進行預測的關鍵生物標誌物，實現對數千種蛋白的同時檢測和無偏頗評估 ，發現仍舊是GFAP、即對癡呆預測的貢獻最大。
“我們團隊前期構建的全表型癡呆預測模型可提前10年預測發病風險，可靠的生物標誌物進行篩查。發現了對癡呆預測極具價值的血漿生物標誌物：GFAP、傳統有創或高成本檢查技術存在局限，迫切需要發展便捷、NEFL和GDF15這三個蛋白排名最靠前 ，認為這項工作“標誌著向能在早期無症狀階段檢測阿爾茨海默病及其他類型癡呆的血液檢測方法邁進了一步，研究團隊運用機器學習算法對上述得到的與癡呆風險有顯著關聯的蛋白進行重要度排序，精度達85%，然而，（文章來源：上觀新聞）