*仅供医学专业人士阅读参考

在阿尔茨海默病（AD）的治疗中，及早发现淀粉样蛋白β（Aβ）和磷酸化tau蛋白十分重要。淀粉样蛋白示踪剂的正电子发射断层扫描（PET）能够量化大脑中的Aβ负担，但是由于成本较高，可及性有限。

相比之下，基于血液的生物标志物具有应用于大规模筛查的潜力。研究表明，特定pTau亚型（如pTau181和pTau217）水平升高与淀粉样蛋白PET扫描和疾病进展相关。结合血浆pTau217和Aβ42/Aβ40有望检测从临床前到早期AD阶段的淀粉样蛋白沉积。

来自伊利诺伊大学芝加哥分校的研究团队讨论了血浆pTau217和血浆Aβ42/Aβ40预测PET结果的潜力。

研究结果表明，血浆pTau217比率（pTau217R）结合血浆Aβ42/Aβ40的模型可以有效预测临床前和早期AD的脑淀粉样蛋白水平和状态，广谱淀粉样蛋白-PET Centiloid（CL）预测上限达到89.1CL。

基于pTau217R的模型可显著减少PET扫描次数，最多可减少78.6%，显著减少时间成本和经济成本，降低患者负担。

研究发表在Alzheimer’s & Dementia上。

研究模型的开发和验证使用来自三个不同临床试验队列的数据，涵盖了从临床前到早期AD阶段。训练队列来自AHEAD 3-45和ClarityAD研究，共纳入904名受试者，包括620名无认知障碍者（CUI）、284名轻度认知障碍者（MCI）和98名轻度AD患者。验证队列为VC-1和VC-2，VC-1包括622名CUI患者，VC-2包括320名MCI患者和37名轻度AD患者。患者特征如下图所示。

患者基线特征

初步分析显示，三个队列的APOE4状态、年龄和性别分布存在显著差异与其他队列相比，VC-2患者基线简易精神状态检查（MMSE）评分较低。

研究人员建立了多种预测PET CL值的模型，包含Aβ42/Aβ40、pTau217R以及两者结合，所有模型均包含人口统计学变量（年龄、性别）。研究使用贝叶斯线性套索回归（BLLR）和随机梯度提升（SGB）算法，分析结果显示SGB算法相关性更高。

模型性能总结

在模型性能方面，基于血浆Aβ42/Aβ40的模型在VC-1和VC-2中的R²值分别为0.3和0.16，而血浆pTau217R的加入显著提高了模型预测性能，R2值提升至0.63和0.66。并且，pTau217R和Aβ42/Aβ40的组合模型显著扩大了CL预测范围，从Aβ42/Aβ40模型的20.8至51.7CL扩大到8至89.1CL。

在VC-1队列中，Aβ42/Aβ40模型的曲线下面积AUROC为77.5%-83.5%，基于pTau217R的模型准确性更高，AUROC为89.9%-93.9%；在VC-2队列中，Aβ42/Aβ40模型的AUROC为68.3%-78.1%，pTau217R模型的AUROC为90.6%-93.8%；pTau217R与Aβ42/Aβ40组合的预测模型准确性进一步增加，但是同样随着CL阈值增加而准确性下降。

不同CL阈值下预测准确性

基于血液生物标志物的CL预测模型具有减少淀粉样蛋白PET扫描的潜力。假设敏感度固定为95%，在CL阈值为15至90之间时，组合生物标志物模型在VC-1中可以减少61.7%至78.6%的PET扫描次数，在VC-2中可以减少62.7%至70.9%的PET扫描次数。

总的来说，研究人员证实了血浆pTau217R可有效预测脑淀粉样蛋白水平，开发的基于血浆pTau217R和血浆Aβ42/Aβ40两种标志物组合的CL模型可以提高淀粉样蛋白检测的灵敏度，减少不必要的PET扫描，并扩大临床实用性。

参考文献：

Devanarayan V, Doherty T, Charil A, et al. Plasma pTau217 predicts continuous brain amyloid levels in preclinical and early Alzheimer's disease[J]. Alzheimer's & Dementia, 2024.

本文作者丨王雪宁