Nat Aging | 廉潔等利用大規模電子健康記錄揭示阿爾茨海默病與帕金森病的臨床亞型結構及其遺傳差異

阿爾茨海默病與帕金森病是全球最常見的兩類神經退行性疾病。傳統診斷體系通常將其視為相對單一的疾病實體，但在臨床實踐中，即便診斷相同，不同患者的癥狀譜、共病結構及疾病進展軌跡卻存在顯著差異。這種 “ 疾病內部異質性 ” 長期以來缺乏系統刻畫，尤其是在真實世界長期隨訪數據層面，仍缺少跨疾病的整體圖譜分析。

近日，牛津大學（ University of Oxford ）Deep Medicine團隊在Nature Aging在線發表題為Subtyping Alzheimer’s disease and Parkinson’s disease using longitudinal electronic health records的研究論文。該研究由博士后研究人員廉潔領銜完成，基于英國大規模電子健康記錄數據，利用機器學習方法系統解析阿爾茨海默病和帕金森病的長期臨床軌跡，在真實世臨床數據中識別出可重復的疾病亞型結構，并揭示不同亞型之間的遺傳風險差異及跨疾病共享模式。

研究團隊納入超過十萬名個體的縱向醫療記錄，將診斷記錄、用藥信息、手術信息及共病結構進行時間序列建模，通過深度學習算法Transformer框架提取患者的潛在臨床表征。在無監督聚類框架下，阿爾茨海默病與帕金森病內部均呈現出多個穩定存在的亞型群體。這些亞型在共病譜、系統受累模式及疾病前期軌跡上存在顯著分化，提示神經退行性疾病并非單一路徑，而是由多種不同的臨床演變模式構成。

值得注意的是，研究進一步比較兩種疾病的亞型結構后發現，部分阿爾茨海默病亞型在共病模式上與某些帕金森病亞型呈現高度相似，尤其體現在代謝異常及多系統衰老特征的組合上。這一結果提示，不同神經退行性疾病之間可能共享某些系統性衰老機制。然而，當引入多基因風險評分進行遺傳層面分析時，不同亞型之間又表現出顯著差異，說明臨床軌跡的相似性并不等同于遺傳基礎的一致性。

進一步的預后分析顯示，不同亞型在疾病進展速度及相關健康結局方面存在統計學差異，但亞型本身更多反映疾病發生前后的長期臨床結構，而非簡單對應傳統分期標準。這一發現提示，亞型劃分可能更多揭示疾病發生機制與早期風險結構，而不是晚期嚴重程度的分層工具。

總體而言，該研究基于真實世界電子健康記錄數據，系統描繪了阿爾茨海默病與帕金森病的臨床亞型圖譜，揭示其跨疾病共享模式及遺傳異質性，為神經退行性疾病從“診斷標簽”走向“軌跡分層”提供了重要基礎。研究結果不僅為未來機制研究與風險預測提供新框架，也為臨床試驗人群分層及精準干預策略的制定提供了數據支持。

https://www.nature.com/articles/s43587-026-01085-3

制版人： 十一

學術合作組織

（*排名不分先后）

戰略合作伙伴

（*排名不分先后）

轉載須知

【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點擊主頁推薦活動

關注更多最新活動！