AI-modell från Lund kan upptäcka flera hjärnsjukdomar i ett blodprov

Modellen bygger på proteomikdata från över 17 000 individer och har tränats med hjälp av så kallad “joint learning”, där gemensamma biologiska mönster mellan olika sjukdomar analyseras. Resultaten visar att tekniken kan särskilja och samtidigt upptäcka tillstånd som Alzheimers sjukdom, Parkinsons sjukdom, amyotrofisk lateralskleros (ALS), frontotemporal demens och tidigare stroke.

Till skillnad från traditionella diagnostiska metoder, som ofta fokuserar på en sjukdom i taget, kan den nya modellen hantera överlappande sjukdomsprocesser i hjärnan – något som länge varit en utmaning inom klinisk diagnostik.

– Vår förhoppning är att kunna ställa diagnos för flera sjukdomar samtidigt med ett enda blodprov i framtiden, säger forskningsledaren Jacob Vogel på Lunds universitets hemsida.

Studien visar även att modellens proteinbaserade profiler i vissa fall förutsäger kognitiv försämring bättre än dagens kliniska diagnoser. Forskarna menar att detta kan tyda på att patienter ofta har flera samtidiga sjukdomsförlopp eller biologiska undertyper som inte fångas upp i dagens diagnostik.

Tekniken är dock inte redo att ersätta befintliga metoder i dagsläget. Enligt forskarna behöver modellen vidareutvecklas och kombineras med andra kliniska verktyg innan den kan användas brett inom vården.

Utöver diagnostik pekar resultaten också ut nya biologiska mål för framtida forskning, vilket kan bidra till ökad förståelse av hur neurodegenerativa sjukdomar utvecklas.

Bakom AI-modellen står forskarna Jacob Vogel och Lijun An, tillsammans med kollegor från svenska BioFINDER-studien och Global Neurodegenerative Proteomics Consortium – ett internationellt forskningskonsortium som skapat världens största proteomikdatabas för neurodegenerativa sjukdomar, uppger Lunds universitet på sin hemsida.

Studien har publicerats i Nature Medicine.