医学

Neuroscience 2026:阿尔茨海默病与抑郁症的四项新生物标志物研究

研究人员在 Neuroscience 2026 上介绍了血液、脑成像和人工智能方法,其中一个埃默里大学团队使用 AI 系统对灵长类模型的运动进行评分。

作者: Giovanni Sapere
阅读约3分钟

分享LinkedInFacebookX

a close up of a human brain on a black background
Photo: Shawn Day / Unsplash

神经科学家利用2026年11月举行的神经科学学会年会,展示了测量脑与神经疾病的新方法。这些工作涵盖早期阿尔茨海默病相关的神经退行性变、老年人中异常保留的脑结构、抑郁症中的线粒体基因变化,以及一套旨在捕捉肉眼难以察觉的运动症状的人工智能系统。生物标志物已用于指导癌症和心脏病诊疗,但神经系统一直难以采用同样的方法。

测量海马体以外的脑区

约翰斯·霍普金斯大学的Meaghan Morris报告称,测量海马体以外脑结构的尺寸可能有助于发现早期阿尔茨海默病相关的神经退行性变,并可作为疾病进展的标志物 MedicalXpress。海马体长期以来一直是阿尔茨海默病影像学中的参考区域,因此这一发现扩大了值得测量的结构范围。

第二项研究考察了相反的情况。迈阿密大学米勒医学院的Karlon H. Johnson发现,一些认知健康的老年人即使血液中与神经退行性变相关的生物标志物水平升高,仍保持着看起来更年轻的脑结构 MedicalXpress。这一结果使对血液检测的任何简单解读变得复杂:标志物升高未必伴随相应的结构损失。

“生物标志物和结局评估是改善诊断、预后以及监测疾病进展和治疗反应的重要工具。”

— NINDS转化研究部项目主任 Carol Taylor-Burds

线粒体基因与重度抑郁症

在重度抑郁症患者的脑和血液样本中,哥伦比亚大学的Maura B. Dupont报告了线粒体基因的变化。摘要称,这一发现可能对生物标志物开发及治疗靶点具有潜在意义 MedicalXpress。

另见 The Patent:AI 竞争对手瞄准物理学中的杨-米尔斯问题

线粒体是产生能量的细胞结构,其基因位于主要核基因组之外。这项研究将一种心境障碍与可测量的分子信号联系起来,这是任何诊断检测的首要条件,但摘要并未报告经过验证的检测方法或临床试验。

对灵长类模型运动进行评分的 AI 系统

埃默里大学的Nisarg Desai介绍了一套人工智能系统,该系统能够检测并量化神经发育和神经退行性疾病非人灵长类模型中的细微运动症状 MedicalXpress。所述目的是测量:将肉眼观察不到的运动转化为研究可比较的数字。

该方法是一种动物模型研究工具,而非诊断产品。摘要中没有任何内容描述患者测试、监管批准或商业开发。

没有专利号,且摘要并非同行评审论文

神经科学学会发布的新闻稿未提及这四项研究背后有任何专利、专利申请或许可协议。会议摘要是在完整同行评审之前提交的简短摘要,因此每项主张背后的数字和效应量尚未以期刊论文会提供的形式公开。

对机构而言,顺序通常与宣传相反:一旦底层方法确定,经过验证的生物标志物或训练有素的 AI 模型便成为专利和技术转让谈判的主题。就目前发布的证据来看,这四个项目仍处于测量阶段,诊断、保护和临床应用仍在前方。

AI 辅助撰写

由英文原文自动翻译. 阅读原文