全世界每年有超过 1 亿人中风。缺血性中风(脑梗塞)是最常见的，但它们也可能“悄然”发生，因此常常未被发现。这可能会导致严重的疾病，如痴呆、抑郁甚至自杀。为了尽早确定中风的风险，波恩大学医院 (UKB) 3P(预测、预防和个性化)医学研究小组组长 Olga Golubnitschaja 教授与波恩大学合作和来自 11 个国家 25 个机构的其他作者开发了一种与针对性预防和个体化治疗算法相关的整体健康风险评估方法。该研究文章现已发表在国际期刊《EPMA Journal》上。
近年来，全球范围内中风的数量有所增加。Golubnitschaja 教授解释说：“50 岁以下年轻人的数字尤其令人震惊。这一数字在三年内翻了一番。还有未发现的病例。据估计，该比例在人口中所占比例约为 14 倍。”采取反应性医疗措施的确诊病例。”
需要从“反应性”医学到“预测性”医学的范式转变
因此，研究人员开发了一种创新概念，旨在帮助预防中风，并重点关注“预测性”医学而不是“反应性”医学。换句话说，其目的是预测患病的可能性，并据此采取措施来降低患病风险，而不是对已经确定的疾病做出反应。“从易感性到临床证明的中风或心脏骤停的发展不会在一夜之间发生，而是需要数年的时间。因此，有针对性的预防时间是充足的，应该经济有效地用于易感人群。有多种风险因素和参数表明了这一点，可以提前进行调查，”Golubnitschaja 教授说。她与波恩大学的 3PM 研究小组和国际 3PM 联盟(欧洲预测、预防和个性化医学协会，EPMA)一起开发了一种无创、无痛的方法，通过泪液进行健康风险评估，线粒体作为重要的生物传感器和人工智能支持的数据解释。
线粒体作为天然生物传感器
Golubnitschaja 教授解释说：“线粒体存在于我们身体的每个细胞中，它是我们健康状况是否一切顺利的重要伙伴和严格观察者。如果出现问题，线粒体会通过线粒体自噬向所有系统报告并发出信号我们有健康问题。这些信号可以使用液体活检客观地测量。” 无创、无痛地收集和分析泪液可以创建患者的个性化档案。
再辅以定期检查期间额外的常规询问，例如包括家庭倾向、生活方式、睡眠和饮食习惯，创建一系列用于个体化风险评估的参数。由于记录了大量参数，研究人员正在使用人工智能(AI)开发算法，以实现稳健的健康风险评估、预测诊断，从而制定有针对性的预防措施。
Golubnitschaja 教授表示：“3PM 创新的实施节省了人力和财力资源。据估计，每年中风带来的全球经济负担超过 8910 亿美元。这是一场经济灾难，我们希望通过预测医学来应对使用我们的整体方法来预防中风发生。”
免责声明：本文由用户上传，如有侵权请联系删除！
