【协和学术】我院神经内科叶钦勇教授团队最新研究成果：无创唾液代谢指纹与人工智能结合发现帕金森新型标志物助力早期诊断

5月26日，我院神经内科叶钦勇教授团队在国际高影响力学术期刊《Small Methods》（IF=15.367）在线发表题为“Diagnosis of Parkinson's Disease via the Metabolic Fingerprint in Saliva by Deep Learning-基于唾液代谢指纹融合深度学习的帕金森早期诊断研究”的研究论文，这也是也是叶钦勇教授带领的帕金森与运动障碍团队在帕金森病早期多维度诊断系列研究中取得的又一项重大突破。我院叶钦勇教授和上海交通大学钱昆教授为该论著共同通讯作者，上海交通大学徐伟博士，我院2021级博士研究生陈丽娜和蔡国恩副教授为共同第一作者。

本研究利用全新的基于深度学习的人工智能平台，使用超小样品量（低至 10 nL），通过纳米辅助激光解吸/电离质谱（Laser Desorption/Ionization Mass Spectrometry，LDI-MS)作为新型高通量筛选（≈300样品/h）工具对唾液标本进行精准的非靶向代谢分析（质量误差<50 ppm），结合基于深度学习、客观和自动化的大规模数据评估，进行唾液代谢组学潜在标志物的筛选。该研究通过运用人工智能方法构建来自312名患者唾液代谢指纹学的深度学习模型，实现了出色的早期诊断性能，曲线下面积(AUC)为0.8496（95% CI：0.7393-0.8625）。总之，唾液代谢指纹及代谢生物标志物的发现为PD的分子诊断提供了一种无创的替代解决方案，对实现早诊断、早治疗目标具有重要临床意义。该研究为代谢组学与人工智能相结合在神经退行性疾病领域的应用提供了新佐证，同时也为PD无创早期诊断领域提供了崭新的思路和方向。

期刊介绍：Wiley旗下Small Methods期刊专注于材料科学、生物医学、化学和物理所有领域中适用于纳米和微米尺度研究的所有方法的重大进展，以实验技术的前沿发展为特色，涉及领域包括材料学、生物医药、化学、物理学等合成、表征、应用技术。JCR分区一区，最新影响因子15.367。

END      

撰稿：神经内科

责编：叶颖

编审：苏萍