如何通过“脑引流”预防老年痴呆症
Leucadia Therapeutics 将测试一种可植入设备，以恢复筛板的脑脊髓“脑外流”并预防疾病
“告诉某人他们将在五到十年内患上痴呆症或阿尔茨海默病是一回事，为他们提供具体的解决方案是另一回事。” 这是 Leucadia Therapeutics 公司创始人兼首席执行官 Doug Ethell 的严谨话语。
在过去的二十五年里，阿尔茨海默病研究人员发现，阿尔茨海默病和认知能力下降与大脑中 β-淀粉样蛋白斑块的增加有关，与 tau 蛋白缠结的积累平行，这导致一系列不间断的临床试验，其中许多以失败告终。
2014 年，神经科学家 Doug Ethell 发表了一项关于阿尔茨海默氏症和相关痴呆症触发因素的新假设。 但这还不是全部：2015 年，他创立了 Leucadia Therapeutics 公司，正是为了根据他的假设开发一种疗法。
他的研究表明，斑块和缠结是更严重的潜在疾病的影响，它触发了这些病理特征的形成。
5 年 2021 月 XNUMX 日，Ethell 博士的团队报告了三项证实他的假设的研究。 一篇题为“脑脊液通过筛板流出受损”的手稿在阿尔茨海默氏病的病因学中起着关键作用，正在接受同行评审，可在“MedRXiv”的预印本服务器上找到，该网站发布未发表的文件生命科学电子版（它向读者免费分发医学、临床研究和相关健康科学领域完整但尚未发表的手稿）。
这项研究对阿尔茨海默病的诊断、治疗和预防具有重要意义，并提供确凿证据表明筛板老化在该病的病因学中起着关键作用。 这些发现为在痴呆症和阿尔茨海默氏病变得不可逆转之前几年预测和治疗疾病打开了新的机会之门。
这篇文章是关于 Leucadia 开发的一种植入式设备，用于预防 Alois Alzheimer 发现的疾病。 该设备计划于 2022 年进入临床试验。随着预期寿命的延长，Doug Ethell 相信他的设备将像心脏起搏器一样普及。
大脑如何受到筛板骨化的影响
筛板是位于鼻腔顶部的多孔骨结构。 该板包含两个称为窝的深袋和许多称为嗅孔的孔。 传递气味的嗅觉神经通过这些孔。
筛板是大脑用来将废物清除到脑脊液 (CSF) 中的流出通路。 大脑每天产生大约半升脑脊液，但只有大约二十分之一通过筛板排出。
然而，那少量的脑脊液负责清洁大脑区域，而这些区域对于形成新记忆和我们在世界上的定位至关重要。 随着年龄的增长，筛板硬化并变得不那么多孔。
小孔闭合并限制脑脊液的流动。 随着从大脑中排出的这种液体越来越少，废物和毒素就会积聚在负责记忆的大脑最上层区域。
这些废物形成“腐肉”（死组织区域），斑块形成，神经元形成缠结，这是阿尔茨海默氏症的两个关键特征。
Doug Ethell 的研究表明，该疾病是由于脑脊液通过筛板的引流受损所致。
脑脊液手术治疗早期阿尔茨海默病
脑脊液 (CSF) 从大脑细胞间隙清除有毒代谢物，类似于淋巴系统从身体其他部位清除毒素和其他杂质的方式。
由于大脑中受阿尔茨海默氏病影响的第一个区域被通过筛板排出的脑脊液清除，因此影响该结构的元素会增加患痴呆症的风险。
加速筛板闭塞并减少 CSF 介导的大脑区域清除的衰老和生活事件会增加阿尔茨海默氏症的风险，包括斑块和缠结的形成。
Leucadia Therapeutics 正准备在 2022 年进行一项临床试验，该试验将使用植入式装置恢复通过筛板的 CSF 引流并预防阿尔茨海默氏症。
随着预期寿命的延长，Ethell 博士相信他的设备将像心脏起搏器一样普及。 这种有充分根据的方法应该可以逆转早期轻度认知障碍并完全预防阿尔茨海默病的发作。
Leucadia 的 Arethusta 专利技术可恢复脑脊液流经筛板，增强消除受阿尔茨海默病影响的早期大脑区域的有毒代谢物。
Arethusa 这个名字来源于希腊神话中的水仙女，阿尔忒弥斯将她变成一条隐藏的地下溪流，从而拯救了她。 Leucadia 的设备将在组织下创建一个通道以排出大脑中的液体。
Arethusta 装置将通过鼻子引入，因为筛板位于鼻腔顶部。 在雪貂的临床研究中，研究人员人为地阻止了通过板的引流。
这种阻塞在阿尔茨海默氏症首次发作的同一大脑区域引起了认知障碍和萎缩。
Arethusta 将从阿尔茨海默氏症“开始”的大脑区域恢复脑脊液介导的废物清除。
脑积水的脑脊液分流管理每天由神经外科医生进行，但 Arethusta 从一个非常不同的地方抽取脑脊液以获得更具体的效果。
“CT 扫描产生 3.000 到 65.000 级灰度，但人眼只能分辨不到 20 种阴影，并且手动分割大型 3D 体积既困难又耗时。 Leucadia 开发的 AI 算法使用低剂量锥形束 CT 扫描识别边缘、边界和孔洞，以揭示开口出现的位置及其大小。”
“深度学习”研究筛板形态变化
白血病疗法 开发了人工智能算法，使研究人员能够分析庞大的数据集。
这种新方法结合了最先进的深度学习，应用于超分辨率对比显微 CT 的先进方法、一种新的动物模型，以及旨在为机器学习生成高度精选数据的大型临床研究。
Leucadia 的科学家将这些方法结合起来比较阿尔茨海默病中筛板形态的变化。
新方法有效地结合了三种不同的程序
1) 高分辨率显微 CT 和深度学习已用于评估尸检对象的分离筛骨样本，其中许多已确诊为 AD。
这种对人类筛板的病理分析导致发现了一个无人知晓的分水岭，并详细说明了 CSF 如何通过筛板排出。
2) 研究人员开发了一种新的雪貂模型来测试 CP 孔径阻塞的行为和病理影响。
雪貂模型遮挡了筛板，导致记忆丧失和大脑区域萎缩，这些区域首先受到阿尔茨海默氏病的影响。
3) 研究人员使用 Leucadia 的新认知测试平台和筛板锥束扫描评估了一组 560 名年龄在 20 至 95 岁之间的志愿者的筛板老化和认知情况。
计算机轴向断层扫描的 3D U-Net 分割
3D U-Net Segmentation 是一种基于卷积神经网络的架构，通常用于对标签进行分类。 然而，在 3D 医学成像中，U-Net 可以做的不仅仅是分类。
包含定位以预测每个像素的类标签，提供该像素周围的局部区域作为输入。
机器学习算法将体素视为归一化的浮点计算，因此可以对表示 65.000 级灰度扫描中的边缘和边界的体素组合进行归一化，以预测分辨率较差的锥形束 CT 中的骨骼结构。
Doug Ethell 和他的团队使用 3D-UNet 使用来自死后显微 CT 样本的高分辨率样本训练模型。
然后，他使用这些模型来预测分辨率较低的低剂量临床 CT 扫描的骨骼模式。 该图像是一个 20 秒的锥形束 CT 扫描图像，注意到骨骼细节很难看到。 信息就在那里，但分布在数千个灰度级中。
右图显示了“训练有素”的 AI 模型如何根据左侧扫描预测骨骼（应注意细节，包括开口）。
CT 扫描仪产生 3.000 级灰度，但人眼只能分辨不到 20 级，人工分割既困难又耗时。
Leucadia 开发的 AI 算法使用低剂量锥形束 CT 扫描识别边缘、边界和孔洞，以揭示开口出现的位置及其大小。
FDA 的下一步行动和 2022 年的 A 系列融资
这项工作为 Leucadia 向食品和药物管理局申请从 2022 年开始的 Arethusta 临床试验奠定了基础。
目前的投资者包括 David Gobel、Jim Mellon、Methuselah Fund 和 Methuselah Foundation。 该公司计划在 2022 年进行 A 系列融资，以资助 Arethusta 临床试验。
资料来源：“脑脊液通过筛板流出的损伤在阿尔茨海默病病因学中起着重要作用”
您也可能对。。。有兴趣：
“以病人为中心”：伟大的希望和参议院的会议
专家和政治家将于 15 月 XNUMX 日在罗马探讨医疗器械创新对欧洲医疗保健的重要性这一主题
//