全世界每年有超過 1 億人中風。缺血性中風(腦梗塞)是最常見的，但它們也可能“悄然”發生，因此常常未被發現。這可能會導致嚴重的疾病，如癡呆、抑郁甚至自殺。為了盡早確定中風的風險，波恩大學醫院 (UKB) 3P(預測、預防和個性化)醫學研究小組組長 Olga Golubnitschaja 教授與波恩大學合作和來自 11 個國家 25 個機構的其他作者開發了一種與針對性預防和個體化治療算法相關的整體健康風險評估方法。該研究文章現已發表在國際期刊《EPMA Journal》上。

近年來，全球范圍內中風的數量有所增加。Golubnitschaja 教授解釋說：“50 歲以下年輕人的數字尤其令人震驚。這一數字在三年內翻了一番。還有未發現的病例。據估計，該比例在人口中所占比例約為 14 倍。”采取反應性醫療措施的確診病例。”

需要從“反應性”醫學到“預測性”醫學的范式轉變

因此，研究人員開發了一種創新概念，旨在幫助預防中風，并重點關注“預測性”醫學而不是“反應性”醫學。換句話說，其目的是預測患病的可能性，并據此采取措施來降低患病風險，而不是對已經確定的疾病做出反應。“從易感性到臨床證明的中風或心臟驟停的發展不會在一夜之間發生，而是需要數年的時間。因此，有針對性的預防時間是充足的，應該經濟有效地用于易感人群。有多種風險因素和參數表明了這一點，可以提前進行調查，”Golubnitschaja 教授說。她與波恩大學的 3PM 研究小組和國際 3PM 聯盟(歐洲預測、預防和個性化醫學協會，EPMA)一起開發了一種無創、無痛的方法，通過淚液進行健康風險評估，線粒體作為重要的生物傳感器和人工智能支持的數據解釋。

線粒體作為天然生物傳感器

Golubnitschaja 教授解釋說：“線粒體存在于我們身體的每個細胞中，它是我們健康狀況是否一切順利的重要伙伴和嚴格觀察者。如果出現問題，線粒體會通過線粒體自噬向所有系統報告并發出信號我們有健康問題。這些信號可以使用液體活檢客觀地測量。” 無創、無痛地收集和分析淚液可以創建患者的個性化檔案。

再輔以定期檢查期間額外的常規詢問，例如包括家庭傾向、生活方式、睡眠和飲食習慣，創建一系列用于個體化風險評估的參數。由于記錄了大量參數，研究人員正在使用人工智能(AI)開發算法，以實現穩健的健康風險評估、預測診斷，從而制定有針對性的預防措施。

Golubnitschaja 教授表示：“3PM 創新的實施節省了人力和財力資源。據估計，每年中風帶來的全球經濟負擔超過 8910 億美元。這是一場經濟災難，我們希望通過預測醫學來應對使用我們的整體方法來預防中風發生。”