Page 152 - 《南京医科大学学报(自然科学版)》2026年第3期
P. 152
第46卷第3期
·460 · 南 京 医 科 大 学 学 报 2026年3月
生物标志物变化过程,首先,Aβ纤维开始在新皮层 中水平显著降低,其区分AD与健康对照的AUC高达
[34-35]
的关联区域积累,优先发生在内侧顶和额叶区域; 0.96(灵敏度87%、特异度91%) ,在Aβ蛋白PET
然后,其他皮质区域受到影响,主要运动和感觉区 成像阳性患者中性能更优(AUC=0.97) 。在AD早
[35]
域随后受到影响;最后,小脑受到影响。根据AD中 期筛查中,患者的乳铁蛋白水平显著低于健康对照
Tau蛋白PET成像阳性区域的排名,首先描绘了Tau 者,差异显著,并且其诊断性能优于单一Aβ42检测,
[36]
蛋白纠缠出现在鼻内皮层,然后是海马体和杏仁 显示出独特的临床应用价值与早期诊断价值 。
核,其次是颞叶的其他皮质区域受到影响,再次是 2.2.4 其他标志物
内侧和外侧顶皮层以及外侧枕皮层,最后是广泛 唾液代谢组学研究发现,AD患者唾液中的丙酸、
的前额区域和主要运动和感觉区域 [25- 26] 。来自 丁酸等代谢物水平发生显著变化;微生物组研究则发
BioFINDER⁃2 研究的 4 例 AD 患者,具有不同的Tau 现 AD 患者口腔菌群组成发生特征性改变 [37-40] 。此
蛋白PET成像模式:1例79岁男性以“失忆症为主”表 外,Sirtuins 蛋白家族(如 SIRT1/3/6)在 AD 患者唾液
型的患者,具有“典型”颞部 Tau 蛋白 PET 成像模 中表达异常,可能与疾病发生发展密切相关。研究
式;1 例71岁男性以“语言为主”表型的患者,左侧 还发现α⁃synuclein 与突触功能障碍相关,由帕金森
颞叶有 Tau 蛋白信号;1 例 70 岁女性枕叶有 Tau 蛋 病蛋白 7(Parkinson’s disease⁃associated protein 7,
白信号的“视觉主导”表型;以及1例67岁男性内颞 PARK7)基因编码的蛋白质 DJ⁃1 参与氧化应激调
叶(medial temporal lobe,MTL)未受累和广泛皮质受 控,基因突变导致DJ⁃1合成缺陷,引发神经元凋亡,
累的“性别异性主导”表型 。 与早发性PD直接相关 [41-44] 。这些发现为AD的早期
[26]
2.2 唾液生物标志物 筛查与诊断开发提供了新方向。
2.2.1 Aβ40/Aβ42比值 综上所述,体液生物标志物为 AD 诊断带来了
多项研究表明,AD 患者唾液 Aβ42 水平较健康 新机遇(表1),但仍面临标准化、灵敏度和特异度等
对照组显著升高,平均达 2 倍以上(P < 0.001) 。 方面的挑战:在技术层面,检测方法的标准化是亟
[27]
唾液 Aβ40、Aβ42 单独检测时,AUC 分别为 53.11% 待解决的关键问题。不同实验室采用的检测方法
和84.83%,但当与其他标志物(如p⁃Tau、t⁃Tau、Aβ40 和流程存在差异,导致结果难以直接比较。此外,
和 Aβ42)联合应用时,其诊断效能显著提升,AUC 部分标志物的检测灵敏度仍需提高,特别是对极低
值可达 92.11% [28-29] ,这表明唾液检测可能成为 AD 浓度的生物标志物。在临床应用层面,需要建立统
筛查的重要工具。尽管 Aβ42/Aβ40 在无创采样 一的诊断标准和临界值。大规模、多中心的临床验
和早期预测等方面优势显著,且 Aβ42 升高早于 证研究对于评估这些标志物的真实诊断价值至关
临床症状 [27] ,更易被检测,但不同采集方法导致 重要。同时,如何将不同的生物标志物有机组合,
Aβ42/Aβ40 检测的 CV 达 30% [28] ,如未刺激的颌下/ 建立最优的诊断模型,也是未来研究的重要方向。
舌下腺唾液(unstimulated submandibular/sublingual 尽管存在这些挑战,体液生物标志物的临床应用前
gland saliva,USS)对 Aβ40 更敏感,而采集未刺激的 景依然广阔。随着检测技术的不断进步和临床研
腮腺唾液(unstimulated parotid saliva,UPS)方法更适 究的深入开展,体液检测有望成为 AD 诊疗的常规
[27]
用于Aβ42检测 。 手段,推动早期干预和精准医疗的实现。
2.2.2 Tau蛋白
3 AI 多模态整合技术在 AD 早期诊断和筛查中的
尽管唾液Tau蛋白浓度极低(仅为CSF的1/1 000),
应用
但通过Lumipulse等高灵敏度技术,研究人员成功检
测到 AD 患者唾液 p⁃Tau181 升高而总 Tau 降低(P < 随着AI技术的快速发展,多模态整合策略已成
[30]
0.05),AUC为78% 。Western blot实验进一步证实 为AD早期诊断和筛查的重要研究方向。该技术通
了其与AD病理相关 ,但浓度仅为CSF中Tau蛋白 过整合深度学习(deep learning,DL)模型与多标志
[31]
的1/1 000 [30] 。在 AD 早期筛查中,Tau蛋白检测的灵 物分析,显著提高了AD早期识别的准确性和效率,
敏度可达90%,特异度可达88%,具有较高的早期筛查 为临床实践提供了新的解决方案。
与诊断价值 [32-33] 。 3.1 神经影像DL模型的应用
2.2.3 乳铁蛋白 DL 技术,特别是卷积神经网络(convolutional
作为免疫调节蛋白,乳铁蛋白在 AD 患者唾液 neural network,CNN),在AD的MRI影像分析中展现

