目前越来越多的证据显示痴呆和其它慢病一样是可以预防的，这就把痴呆临床前期及痴呆高危人群的识别提高到了一个前所未有的高度。痴呆预测模型作为预测痴呆风险的手段近年来受到广泛重视。
近期 BMJ 子刊《Journal of Neurology, Neurosurgery, and Psychiatry》在线发表了来自青岛市市立医院谭兰和郁金泰团队的一篇痴呆风险预测模型的研究：将目前已有的痴呆预测模型分为中年预测模型、老年预测模型、轻度认知功能障碍向痴呆转化预测模型以及针对糖尿病患者的痴呆预测模型四类，并根据其预测准确性对痴呆预测模型做出了推荐。
中年预测模型
研究共纳入 4 项关于中年预测模型的研究，其对于未来 20 年至 40 年的痴呆风险的预测均有中等程度的准确性，ROC 曲线下面积从 0.72 至 0.81 不等（图 1）。
图 1. 中年痴呆预测模型的 ROC 曲线下面积及随访时间
其中基于 Cardiovascular Risk Factors, Aging, and Dementia（CAIDE）研究队列数据得到的 CAIDE 痴呆风险评分准确率较高，且其预测准确性经过了其他队列研究的验证，可用于对于中年痴呆风险的评估。
图 2. CAIDE 痴呆风险评分
老年预测模型
大多数关于痴呆预测的研究都是针对老年人群构建预测模型，但各项研究之间样本量、随访时间均不相同，预测准确性差异也较大，ROC 曲线下面积从 0.63 至 0.92 不等。
临床上常用的神经心理测验也可以当做评估痴呆风险的手段，共有 17 项研究使用神经心理测验得分或将量表得分与年龄、性别等人口统计学特征相结合构建预测模型用于老年人群的痴呆风险评估。常见的用于痴呆预测的神经心理学测验包括：
简易智力状态检查量表（MMSE）
自由和线索选择性回忆测试（FCSRT）
阿尔茨海默病评定量表-认知部分（ADAS-cog）
画钟测试
连线测验
数字符号替换测验
基于 Study on Aging, Cognition and Dementia（AgeCoDe）队列研究得到的 AgeCoDe 痴呆风险评分，专门为初级诊疗而设计（图 3）。通过对患者进行常用量表检查再结合患者的年龄对患者进行痴呆风险评估，其对痴呆预测的敏感性和特异性可以达到 85.5% 和 63.8%。
图 3 AgeCoDe 痴呆风险评分
MCI 向 AD 转化预测模型
轻度认知功能障碍（MCI）患者也被认为是痴呆预防的重点人群，在 15 项关于 MCI 向阿尔茨海默病（AD）转化的预测模型的研究中，共有 11 项研究采用美国阿尔茨海默病神经影像学研究（Alzheimer’s Disease Neuroimaging Initiative, ADNI）数据库进行模型构建，多数模型都纳入了血清、脑脊液和影像学标记物甚至 ApoE 基因分型作为变量。
下图总结了构建预测模型最常用的变量（图 4）。这些模型的准确性也有较大差异。其中预测准确性最高的模型，AUC 达到 0.932，该模型纳入 ADAS-cog，MMSE， 18F-FDG 后扣带回标准化摄取比值作为预测变量，对于痴呆预测的敏感性达 96.4%，特异性达 82.1%。
图 4. 构建痴呆预测模型最常用的变量
针对糖尿病患者的痴呆预测模型
目前现有的 3 个针对糖尿病的痴呆预测模型都是将糖尿病患者的健康状况作为构建模型的因素，如体重指数、是否有糖尿病足、是否有心脑血管疾病等等，这些模型对于未来 5 年或 10 年糖尿病患者发生痴呆概率的预测准确性均较高（AUC:0.72-0.86）。
其中基于 Kaiser Permanente Northern California (KPNC) 糖尿病队列研究构建的模型，预测准确性可接受（AUC = 0.74），且经过其他队列的外部检验，可用于对糖尿病患者的痴呆预测。
痴呆精准预测的展望
随着痴呆精准医学和个体化医疗的发展，可以预期在不久的将来可以依据个体的年龄、性别、教育水平、血管危险因素等一般临床特征，结合基因组遗传信息、体液中的分子标记、血糖、血脂、血压、BMI 等健康指标的检查及神经影像和 PET 等分子影像，构建出痴呆的精准预测模型（图 5），从而对不同阶段、不同危险分分层的个体给予不同的个体化精准干预措施，这也是郁金泰教授课题组目前正在重点研究的工作。
图 5 痴呆风险精准预测模型
图 6 青岛市市立医院谭兰和郁金泰团队
联系客服
