你好,游客 登录 注册 搜索
背景:
阅读新闻

以大数据为导向预知阿尔茨海默症

[日期:2016-07-19] 来源:大数据观察  作者:小胖编辑 [字体: ]

  科学家们利用了一个强大的工具来更好地了解晚发型阿尔茨海默症的发展过程,并识别其最初的生理迹象。研究人员使用包括磁共振成像(MRI)和正电子发射断层扫描(PET)在内的多种技术,对处于阿尔茨海默症不同阶段的1171名病人的7700多张脑成像进行了分析。

  该研究使用多种成像技术在脑部包括所有灰质在内的78个区域上测量淀粉样蛋白的浓度、葡萄糖代谢、脑血流量、功能活性和脑萎缩。

大数据

  图片来源:蒙特利尔神经学研究所

  蒙特利尔神经学研究所和医院的科学家们利用了一个强大的工具来更好地了解晚发型阿尔茨海默症(late-onset Alzheimers disease ,LOAD)的发展过程,并识别其最初的生理迹象。

  在神经内科、神经外科和生物医学工程学教授艾伦·埃文斯博士(Dr. Alan Evans)的领导下,研究人员使用包括磁共振成像(MRI)和正电子发射断层扫描(PET)在内的多种技术,对处于阿尔茨海默症不同阶段的1171名病人的7700多张脑成像进行了分析。血液和脑脊髓液,以及受试者的认知水平也在分析范围内。

  研究人员发现,与以前的认识相反,阿尔茨海默症的最初生理标志是大脑血流量减少,而淀粉样蛋白增加曾被认为是阿尔茨海默症最早的可检测标志。虽然淀粉样蛋白确实发挥了作用,但本研究发现血流量的变化是目前已知的阿尔茨海默症最早的预兆。研究还发现,在病程发展中认知的变化比以前认为开始的要早。

  晚发型阿尔茨海默症(LOAD)是一种极其复杂的疾病,但对它的了解也同样重要。它不是由一个神经机制引起,而是大脑中的多个相关机制共同造成的结果。LOAD是人类痴呆的最常见的原因,了解其各种机制之间相互作用的过程对发展治疗方法至关重要。

  过去关于构成LOAD的各种机制的研究均在范围上受到限制,并不能够提供这种复杂疾病的全貌。此项于6月21日发表在《自然通讯(Nature Communications )》杂志的研究,分解了大脑中78个区域里的淀粉样蛋白浓度,葡萄糖代谢,脑血流,功能活动和脑萎缩的格局因素,涵盖了所有的灰质。

  蒙特利尔神经学研究所(MNI)的博士后研究员,同时是此论文的第一作者Yasser Iturria Medina说:“缺乏对于LOAD的病理以及其多因素机制的综合理解,是开发有效的病症缓解性治疗药物的关键障碍。”

  数据驱动在神经学中变得越来越重要

  利用过去30年期间每个病人的数据,每个生物因子的轨迹都被记录下来。然后,将该过程重复500次,以提高的预测的耐变性和结果的稳定性。

  编译和分析数据花费了成千上万个小时的计算时间,如果没有复杂的软件和千兆字节的硬盘空间,这一切是办不到的。Evans介绍说,这种数据驱动的方法在神经学中正变得越来越重要。

  “我们有很多方法来获取有关大脑的数据,但你应该如何利用这些数据呢?” 他说,“神经学正被整合并理解所有这些信息的能力所限制。这就造成了复杂的数学和统计挑战,不过这也是大脑临床研究的未来所在。”

  这项研究还强调跨机构共享数据的重要性,称为开放科学模型。这项研究的病人数据来自阿尔茨海默症神经影像学计划(ADNI),这是一个由来自加拿大和美国的30多个机构组成的合作项目。因为数据还没有公开,所以我们并不知道这对LOAD研究会有什么样的帮助。Evans指出他的这篇论文只是以ADNI数据为基础而发表的几百篇论文中的一篇。

  他说:“我这项研究本身只是论证了ADNI数据的有效性。并且我相信付出总是有回报的,我们利用他人的数据进行研究,同时贡献我们自己的数据。”

  这篇论文是阿尔茨海默症研究领域至今为止发表的最全面的一篇文章。Evans说他将把这项研究继续进行下去,不仅仅是记录所观测到的数据,而且还要找到LOAD各种机理的根本原因,这有可能是找到更好的医疗手段的关键所在。这项研究现在唯一的瓶颈就是计算机对大数据的处理能力到底有多强。

  Evans说道:“这是一项在计算机领域和数学领域远远超出我们现在的能力的一项挑战。我们进一步的目标是建立LOAD各种致病因素的因果模型,但是这需要非常强大的计算能力。我们的工作是准备好我们的软件、算法以及数据,并等待相关硬件的开发。”

 

  Medina指出:“我们依然非常需要以数据为导向的综合一体化研究方法,不仅仅考虑所有的生物因素,同时说明各个因素之间的关系。没有这些的话,行之有效的治疗手段只会是一场空谈,并且我们将依然在黑暗中前行。”





收藏 推荐 打印 | 录入:elainebo | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款