DOI: https://doi.org/10.1038/s43587-026-01085-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41748957
تاريخ النشر: 2026-02-26
المؤلف: Jie Lian وآخرون
الموضوع الرئيسي: آليات وعلاجات مرض باركنسون
نظرة عامة
تبحث هذه الدراسة في تباين الأمراض التنكسية العصبية (NDDs)، وبشكل خاص مرض الزهايمر (AD) ومرض باركنسون (PD)، مما يعقد استراتيجيات العلاج. باستخدام إطار عمل تجميع غير خاضع للإشراف قائم على المحولات، تحلل الدراسة بيانات السجلات الصحية الإلكترونية الطويلة الأمد لأكثر من 100,000 مريض عبر مجموعتين في المملكة المتحدة: رابط بيانات ممارسة الطب السريري أوروم وUK Biobank. تكشف النتائج عن خمسة أنماط فرعية متميزة لكل من AD وPD، يتميز كل منها بأنماط مرضية فريدة، ومسارات الأعراض، والنتائج، والملفات الجينية. من الجدير بالذكر أن نمط AD عالي الوفيات يظهر ميزات حركية وقلبية وعائية، بينما يتم تحديد نمط PD قابل وراثيًا ولكنه مقاوم سريريًا. بالإضافة إلى ذلك، تشير الأنماط الأيضية الالتهابية والنفسية الوعائية المشتركة عبر كلا المرضين إلى آليات محتملة عبر الأمراض.
تؤكد الحاجة الملحة لاستراتيجيات وقائية فعالة وفهم أعمق للأمراض التنكسية العصبية من خلال العبء العالمي المتزايد، حيث تأثر أكثر من 3 مليارات فرد اعتبارًا من عام 2021. يتم تسليط الضوء على الشيخوخة كعامل خطر غير قابل للتعديل، مع توقع ارتفاع انتشار AD وPD في السكان المتقدمين في السن. تؤكد الدراسة على أهمية تصنيف هذه الأمراض لتعزيز دقة التنبؤ وتسهيل تطوير العلاجات المستهدفة، مع معالجة التحديات التي تطرحها تباينها السريري. من خلال دمج بيانات السجلات الصحية الإلكترونية مع التحليلات الجينية، تضع هذه الدراسة الأساس لتصنيف مستدام ومبني على البيولوجيا، مما قد يؤدي إلى تحسين التدخلات للأمراض التنكسية العصبية.
الطرق
يستعرض قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. يوضح تصميم التجارب، بما في ذلك اختيار المشاركين، والمواد المستخدمة، والإجراءات المحددة المتبعة لضمان الاتساق والموثوقية في جمع البيانات. كما يتم وصف التقنيات الإحصائية المطبقة لتحليل البيانات، مع تسليط الضوء على أي برامج أو أدوات تم استخدامها لتفسير النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول النماذج الرياضية أو المعادلات التي تدعم التحليل، مما يضمن توافق المنهجية مع أهداف البحث. يتم التأكيد على صرامة الطرق للتحقق من النتائج، والتي تعتبر حاسمة لاستخلاص استنتاجات ذات مغزى من البيانات. بشكل عام، يخدم هذا القسم لتوفير إطار عمل واضح لتكرار الدراسة وفهم أساس النتائج التي تم الحصول عليها.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى أن النموذج أو الفرضية المقترحة تعالج بفعالية سؤال البحث، مما يظهر تحسنًا ذا دلالة إحصائية في المتغيرات المقاسة. يتم الإبلاغ عن مقاييس محددة، مثل قيم p أو فترات الثقة، لدعم صلاحية النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم تمثيلات رسومية أو جداول توضح العلاقات بين المتغيرات، مع عرض الاتجاهات أو الأنماط التي تدعم الاستنتاجات المستخلصة. بشكل عام، تساهم النتائج في الجسم المعرفي القائم وتقترح آثارًا محتملة للبحث المستقبلي أو التطبيقات العملية في المجال المعني.
المناقشة
في هذه الدراسة، حددنا خمسة أنماط فرعية متميزة من مرض الزهايمر (AD) ومرض باركنسون (PD) من خلال تحليل قائم على المحولات لبيانات السجلات الصحية الإلكترونية (EHR) الواسعة. استخدم التحليل فترات مراقبة طويلة قبل التشخيص، بمتوسط حوالي 19 عامًا لكلا الحالتين، لتجميع المرضى بناءً على ميزاتهم السريرية. كشفت طريقة التجميع K-means، التي تم التحقق منها من خلال تحليل قوة التنبؤ، عن فواصل واضحة بين الأنماط الفرعية المحددة عبر مجموعات بيانات متعددة، مما يظهر استقرارًا قويًا في التجميع. تم تمييز كل نمط فرعي بميزات سريرية وجينية فريدة، مثل العروض الكلاسيكية المتأخرة الظهور والأنماط المتعلقة بالأوعية الدموية لمرض AD، والارتباطات الجينية والقلبية الوعائية لمرض PD. من الجدير بالذكر أن الدراسة سلطت الضوء على أهمية المعلومات قبل التشخيص في فهم مسارات المرض وعوامل الخطر المحتملة، والتي غالبًا ما يتم تجاهلها في الأبحاث الحالية.
كما أكدت النتائج على الفروق الكبيرة في معدلات الوفيات والاستشفاء بين الأنماط الفرعية، حيث أظهرت مجموعات محددة مخاطر أعلى مرتبطة بالأمراض المصاحبة وأعراض المرض. على سبيل المثال، أظهرت المجموعة 1 في كل من AD وPD أدنى معدلات للوفيات والاستشفاء، بينما كانت المجموعة 5 الأعلى. بالإضافة إلى ذلك، استكشفت الدراسة الأسس الجينية لهذه الأنماط الفرعية باستخدام درجات المخاطر متعددة الجينات (PRS)، كاشفة عن ملفات جينية متميزة تتوافق مع الخصائص السريرية لكل مجموعة. تهدف هذه المقاربة التكاملية، التي تجمع بين البيانات السريرية والرؤى الجينية، إلى تعزيز الطب الدقيق في الأمراض التنكسية العصبية من خلال توفير إطار عمل قابل للتوسع لتصنيف قائم على البيانات وتعزيز فهمنا لآليات المرض.
DOI: https://doi.org/10.1038/s43587-026-01085-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41748957
Publication Date: 2026-02-26
Author(s): Jie Lian et al.
Primary Topic: Parkinson\'s Disease Mechanisms and Treatments
Overview
This research investigates the heterogeneity of neurodegenerative diseases (NDDs), specifically Alzheimer’s disease (AD) and Parkinson’s disease (PD), which complicates treatment strategies. Utilizing a transformer-based unsupervised clustering framework, the study analyzes longitudinal electronic health record data from over 100,000 patients across two UK cohorts: the Clinical Practice Research Datalink Aurum and UK Biobank. The findings reveal five distinct subtypes for both AD and PD, each characterized by unique comorbidity patterns, symptom trajectories, outcomes, and genetic profiles. Notably, a high-mortality AD subtype exhibits motor and cardiovascular features, while a genetically susceptible yet clinically resilient PD subtype is identified. Additionally, shared metabolic-inflammatory and vascular-psychiatric phenotypes across both diseases suggest potential cross-disease mechanisms.
The urgency for effective preventive strategies and a deeper understanding of NDDs is underscored by the growing global burden, with over 3 billion individuals affected as of 2021. Aging is highlighted as the primary nonmodifiable risk factor, with the prevalence of AD and PD expected to rise in aging populations. The study emphasizes the importance of subtyping these diseases to enhance prognostic accuracy and facilitate the development of targeted therapies, addressing the challenges posed by their clinical heterogeneity. By integrating electronic health record data with genetic analyses, this research lays the groundwork for scalable, biologically informed subtyping, which could lead to improved interventions for neurodegenerative diseases.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. It details the design of the experiments, including the selection of participants, materials used, and the specific procedures followed to ensure consistency and reliability in data collection. The statistical techniques applied for data analysis are also described, highlighting any software or tools utilized to interpret the results.
Additionally, the section may include information on the mathematical models or equations that underpin the analysis, ensuring that the methodology aligns with the research objectives. The rigor of the methods is emphasized to validate the findings, which are crucial for drawing meaningful conclusions from the data. Overall, this section serves to provide a clear framework for replicating the study and understanding the basis of the results obtained.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical methods employed. The data indicate that the proposed model or hypothesis effectively addresses the research question, demonstrating a statistically significant improvement in the measured variables. Specific metrics, such as p-values or confidence intervals, are reported to substantiate the validity of the results.
Additionally, the section may include graphical representations or tables that illustrate the relationships between variables, showcasing trends or patterns that support the conclusions drawn. Overall, the findings contribute to the existing body of knowledge and suggest potential implications for future research or practical applications in the relevant field.
Discussion
In this study, we identified five distinct subtypes of Alzheimer’s Disease (AD) and Parkinson’s Disease (PD) through a transformer-based analysis of extensive electronic health record (EHR) data. The analysis utilized long prediagnostic observation periods, averaging approximately 19 years for both conditions, to cluster patients based on their clinical features. The K-means clustering method, validated by prediction strength analysis, revealed clear separations among the identified subtypes across multiple datasets, demonstrating robust clustering stability. Each subtype was characterized by unique clinical and genetic features, such as classic late-onset presentations and vascular-related patterns for AD, and genetic and cardiovascular associations for PD. Notably, the study highlighted the importance of prediagnostic information in understanding disease trajectories and potential risk factors, which are often overlooked in existing research.
The findings also underscored significant differences in mortality and hospitalization rates among the subtypes, with specific clusters exhibiting higher risks associated with comorbidities and disease-related symptoms. For instance, cluster 1 in both AD and PD showed the lowest mortality and hospitalization rates, while cluster 5 had the highest. Additionally, the study explored the genetic underpinnings of these subtypes using polygenic risk scores (PRS), revealing distinct genetic profiles that corresponded to the clinical characteristics of each cluster. This integrative approach, combining clinical data with genetic insights, aims to advance precision medicine in neurodegenerative diseases by providing a scalable framework for data-driven subtyping and enhancing our understanding of disease mechanisms.