团队使用大样本队列数据，对52645名非痴呆成年人的血液数据进行跨度超过中位数14年的追踪分析，参与者中后来有1417位被诊断为新发全因痴呆（ACD），691位被诊断为新发阿尔兹海默病（AD），285位被诊断为新发血管性痴呆（VaD）。团队通过基于抗体的Olink测定技术进行统一测定量化，对每个血液样本检测了包含心脏代谢、炎症、神经和肿瘤四个面板上的1463种血浆蛋白，并运用Cox模型和机器学习算法开展建模分析，最终识别出GFAP、NEFL和GDF15等对痴呆预测极具价值的血浆生物标志物。
不同血浆蛋白水平与疾病临床进展风险的关联。
探讨将相关检测加入体检项目的可能性
为进一步提高预测的准确性，研究团队将蛋白质筛选过程转化为一个优化组合的数学问题。通过运用信息增益和轻量提升机等基于机器学习的算法，成功挖掘出对早期识别痴呆最为有效的蛋白质组合。这些算法不仅考虑了单个蛋白质的作用，还充分考虑了蛋白质之间的相互作用和协同效应，从而可实现更高精度的预测。为确保模型的可靠性和稳定性，团队在不同亚组人群中进行多重验证，模型均表现出良好的预测性能，为痴呆症的早期识别提供了有力工具。
"血液学检测方便无创、价格低廉，可作为临床前阶段对广大人群进行早期风险筛查的理想工具。"程炜解释说，现在团队发现蛋白组学与脑疾病风险间的关联，通过验血，就有望辅助临床医生尽早识别痴呆高危患者，尽早干预，提高病人的生活质量。
郁金泰同时表示："这次发现的重要血浆生物标志物，为血液学检测从研究到临床的过渡提供新的理论基础。而且我们这次建立的模型更加简便、易获取、易于普及，无论是短期痴呆发病风险还是十余年后的痴呆发病风险，都能做到很好地预测。"
随着这项研究的发布，距离应用于普通民众痴呆症风险检测还有多远？
上述研究团队介绍，如果一切顺利，半年后可应用到临床检测，筛查出高危人群。目前，部分体检医疗机构已主动与团队取得联系，探讨将相关检测加入体检项目的可能性。下一步，团队还将围绕我国的痴呆症风险人群队列开展数据采集和交叉验证，针对我国人群队列的基线水平对相关数据作出矫正，开发出最适合我国人群队列的痴呆症风险预测数据模型。
