Brain
估算阿尔茨海默病生物标志物变化的时间进程
小赛推荐：
该研究通过纵向建模揭示了APOE相关生物标志物的动态演变规律，为阿尔茨海默病早期干预时机的选择和多模态生物标志物组合策略提供了关键实证依据。
文献概述
本文《Estimating the time course of biomarker changes in Alzheimer’s disease》，发表于《Brain》杂志，系统探讨了阿尔茨海默病（AD）从淀粉样蛋白（Aβ）沉积到痴呆晚期的完整疾病进程。研究利用ADNI和BioFINDER两大队列的纵向数据，构建了一个基于Aβ-PET阳性时间的连续疾病时序模型，并在此框架下描绘了多种生物标志物的异常轨迹。该工作不仅验证了经典的Aβ-tau-神经退行性变级联假说，还精确量化了各标志物异常出现的相对时间点，为理解AD的自然史提供了高分辨率的时间图谱。背景知识
阿尔茨海默病是一种起病隐匿、进展缓慢的神经退行性疾病，其核心病理特征是脑内Aβ斑块和tau蛋白神经原纤维缠结的积累。目前，尽管已有Aβ靶向免疫疗法获批，但治疗效果有限，部分原因在于干预时机过晚。临床诊断时，患者往往已处于疾病中晚期，关键病理过程早已启动。因此，如何在症状出现前精准识别高风险个体，并预测其疾病进展速度，成为药物开发和临床管理的重大挑战。
现有研究依赖于横断面或粗分期方法（如认知正常、轻度认知障碍、痴呆），难以捕捉AD连续、动态的演变过程。虽然基于常染色体显性AD的模型提供了时间参考，但其外推至散发性AD存在局限。此外，不同生物标志物（如CSF Aβ42、血浆 p-tau、PET成像）的敏感性和特异性各异，且其异常出现的顺序和时间窗尚不完全明确。因此，亟需一个适用于散发性AD的、基于真实世界数据的连续疾病时序模型，以整合多模态生物标志物信息，揭示其精细的时间关系。该研究正是在此背景下，提出了一种新的疾病进展模型，以预测Aβ-PET阳性时间为锚点，系统描绘AD生物标志物的演变轨迹。
研究方法与核心实验
研究者整合了阿尔茨海默病神经影像倡议（ADNI）和瑞典BioFINDER研究的纵向数据，共纳入1448名ADNI参与者和2088名BioFINDER参与者。核心方法是建立一个半参数化的多变量潜伏期疾病进展模型，该模型同时整合了Aβ-PET、MMSE和ADAS-cog的纵向数据，以估计每个受试者相对于Aβ-PET阳性的“疾病时间”。此模型通过个体的相对访视时间作为支架，实现了时间一致的轨迹估计，从而克服了传统分期方法的离散性和模糊性。
基于该模型预测的“疾病时间”，研究者进一步分析了包括CSF Aβ42/Aβ40、血浆 p-tau217、tau-PET、MRI海马体积等在内的多种生物标志物的轨迹。使用稳健的分位数混合效应样条模型，估算了各标志物达到95%异常阈值的时间点。模型的效度通过与未参与建模的生物标志物和认知量表的相关性进行验证，并与其他分期方法（如年龄、临床诊断、Aβ/tau PET时钟）进行比较。关键结论与观点
研究意义与展望
该研究建立的连续疾病时序模型为AD的精准分期提供了新标准。通过将个体的多模态生物标志物数据映射到统一的“疾病时间”轴上，可实现更准确的预后判断和疾病修饰治疗的疗效评估。尤其对于正在开发的Aβ和tau靶向药物，该模型有助于识别最佳治疗时间窗，即在tau广泛扩散前进行干预。
此外，研究证实了血浆p-tau217作为早期tau病理标志物的优越性能，推动了其在临床实践和大规模筛查中的应用。未来研究可将此模型应用于其他队列或不同种族群体，以验证其普适性。同时，该框架也可用于评估新型生物标志物（如NfL、GFAP）在疾病进程中的位置，进一步完善AD的生物标志物模型。
结语
本研究通过创新的疾病进展建模方法，系统描绘了阿尔茨海默病从Aβ沉积到严重痴呆的完整生物标志物演变图谱。研究不仅量化了各关键病理事件的时间顺序，还揭示了血浆p-tau217等新型标志物在早期检测中的巨大潜力。这些发现为阿尔茨海默病的早期诊断、风险分层和临床试验设计提供了坚实的科学依据。从实验室到临床，该研究推动了AD从症状管理向病理干预的范式转变。通过精准定位个体在疾病连续体中的位置，有望实现真正意义上的个体化治疗。未来，结合遗传因素（如APOE ε4）、生活方式和多组学数据，将能进一步优化预测模型，为阿尔茨海默病的预防和治疗提供更全面的策略。该研究为构建AD的动态生物标志物框架奠定了基石，是迈向疾病修饰治疗的关键一步。
