隆德大学发布的新闻公报指出，神经退行性疾病的诊断面临诸多挑战。在疾病早期，不同神经退行性疾病常常呈现出相似的症状，而且与年龄相关的认知功能下降成因错综复杂。更为棘手的是，患者大脑中可能同时存在多种相互交织的病理过程，这无疑大大增加了临床诊断的难度。

为了攻克这一难题，隆德大学等机构的研究人员开展了深入研究。他们基于超过1.7万名患者以及健康对照者的蛋白质测量数据，精心开发出这款AI模型。该模型通过深入学习多种疾病的血液蛋白特征，能够精准识别出一组特定蛋白，进而实现对不同疾病的区分。研究结果显示，这一模型具备强大的识别能力，可成功识别出5种疾病或情况，涵盖阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶痴呆以及有卒中病史的情况。

进一步的研究表明，基于蛋白特征来预测认知能力下降的效果，或许优于现有的临床诊断方法。研究人员还发现，即便临床上被诊断为同一种疾病，不同患者所患疾病的生物学亚型也可能存在差异。以阿尔茨海默病为例，许多被诊断为该病的患者，其蛋白特征却与其他脑部疾病更为相近。这可能意味着这些患者同时患有一种以上疾病，也可能表明阿尔茨海默病本身存在不同的发展路径，或者提示临床诊断的准确性还有进一步提升的空间。

研究人员表示，这款AI模型的意义不仅局限于辅助诊断。它还为揭示神经退行性疾病的致病机制指出了潜在的研究方向。研究团队满怀期待，希望在未来能够逐步开发出更为可靠的血液检测方法，在最大程度减少对其他临床检测手段依赖的情况下，实现对多种神经退行性疾病的精准识别与区分。

目前，相关研究成果已在英国《自然 - 医学》杂志上正式发表，这一突破性进展有望为全球神经退行性疾病的防治带来积极影响。