研究：AI預測患「認知障礙症」風險準確率達70%

全球有超過5000萬名阿爾茲海默症（俗稱認知障礙／老人痴呆症）患者。香港科技大學領導的國際研究團隊最近開發出一套人工智能（AI）模型，利用遺傳信息預測患者在出現病徵前罹患阿爾茲海默症的風險。這項突破性研究為使用深度學習（Deep Learning）預測疾病風險和揭示其分子機制「鋪平了道路」，有望改變阿爾茲海默症及其他常見疾病如心血管疾病的診斷、干預、治療和臨床研究。

設計圖片

研究團隊結合新模型與基因檢測  評估患認知障礙風險準確率達70%

研究團隊由科大校長葉玉如和大數據研究所主任陳雷帶領，團隊已建立首批深度學習模型，用於評估歐洲和中國人群患上阿爾茲海默症的多基因風險。與其他模型相比，這一模型能更準確地辨識阿爾茲海默症患者，並對遺傳風險對生物過程的影響進行量化評估，進而對個體進行分級分層。

目前，阿爾茲海默症的臨床診斷主要依靠醫生判斷、認知能力量表測試和腦部掃描。資料圖片

目前，阿爾茲海默症的臨床診斷主要依靠醫生判斷、認知能力量表測試和腦部掃描，通常在患者出現病徵後才進行，容易錯失最佳干預時期。研究團隊將新型深度學習模型與基因檢測相結合，可估計一個人在其一生中患阿爾茲海默症的風險，準確率高達70%。

研究有望改變阿爾茲海默症及其他常見疾病如心血管疾病的診斷、干預、治療和臨床研究。資料圖片

葉玉如表示，研究證明了深度學習方法在遺傳研究和阿爾茲海默症風險預測方面的有效性。這將加快阿爾茲海默症的大規模風險篩查和風險分級，並為疾病的致病和惡化機制提供新的研究思路和見解。

葉玉如表示，研究證明了深度學習方法在遺傳研究和阿爾茲海默症風險預測方面的有效性。資料圖片

陳雷指，研究展示了將AI應用於生物科學中的巨大潛力，對生物醫學和疾病預測有著深遠的影響。研究團隊將擴大研究範疇，將深度學習技術應用於其他常見疾病，如心血管病、糖尿病和癌症等，以期為早期診斷、干預和治療提供更多可能性。

研究團隊將新型深度學習模型與基因檢測相結合，可估計一個人在其一生中患阿爾茲海默症的風險，準確率高達70%。資料圖片

研究為阿爾茲海默症的早期診斷和預防性干預提供了一個新途徑。未來，這個AI模型有望幫助醫生更精確地評估患者的阿爾茲海默症風險，以便制定更有針對性的干預方案，延緩病情進展，提高患者生活品質。

研究與中國科學院深圳先進技術研究院、倫敦大學學院的科研人員，以及香港威爾斯親王醫院和伊利沙伯醫院的醫生合作進行。研究成果最近已在《醫藥通訊》（Communications Medicine）上發表。研究團隊目前正進一步研究並完善該模型，最終目標是將其納入常規篩查的流程中。

科大領導的國際研究團隊最近開發出一套人工智能（AI）模型，利用遺傳信息預測患者在出現病徵前罹患阿爾茲海默症的風險。（科大提供）

最新研究顯示，外星人不一定長著灰灰綠綠的皮膚，而有可能是「這個顏色」！

示意圖。設計圖片

影視作品中外星人總是長有綠色皮膚

在許多影視作品中，不知為何「外星人」都是長著一身綠色的皮膚、碩大無比的眼睛和扁平的五官，但原來他們的皮膚有可能是「紫色」而非綠色。

據最新的研究顯示，一項由美國康乃爾大學進行並發表在《皇家天文學會月報》上的研究表示，地球上的生命通常與「綠色」密不可分，因為植物中最常見的光合色素是「葉綠素-a」（chlorophyll-a），能夠進行光合作用會透過這種色素產生氧氣。

示意圖。設計圖片

銀河系中多達75％是紅矮星

然而銀河系中大部分的恆星和太陽不一樣，它們有些會更小、更紅，且散發的光和熱量較少，其中多達75％是紅矮星。因此，這引發了科學家的好奇，好奇這些恆星周圍是否存在著生命？如果存在的話，那麼這種生命的外觀會是怎樣的呢？

於是，研究團隊順藤摸瓜開始了實驗，他們先收集並培養了20多種紫色硫細菌和紫色非硫的細菌樣本，發現這些細菌能夠依靠較低能量的紅光或紅外光，透過更簡單的光合作用系統生長，而不產生氧氣。

示意圖。設計圖片

紫色在許多世界上是一種新的綠色

研究團隊認為，在植物型光合作用出現之前，紫色細菌可能在早期地球上普遍存在。然而在圍繞著較冷的紅矮星運行的行星上，尤其適合這種細菌的生存與繁衍。

康乃爾大學卡爾薩根研究所（Carl Sagan Institute）的天體學家科埃略（Lígia Fonseca Coelho）表示：「紫色細菌能夠在各種條件下存活並茁壯成長，使其成為可能主宰許多世界的關鍵生命競爭者之一，因此可以想像紫色在許多不同的世界上是一種新的綠色（purple may just be the new green）。」

示意圖。設計圖片