基于自然语言处理技术挖掘电子健康档案揭示路易体痴呆的潜在误诊人群

本研究针对路易体痴呆(DLB)临床诊断率低、易与阿尔茨海默病(AD)混淆的问题，通过自然语言处理(NLP)技术分析14,329例痴呆患者电子健康档案，发现18.7%的AD患者具有≥2个DLB核心症状，提示存在大量潜在DLB误诊病例。该研究为利用临床大数据提升神经退行性疾病诊断准确性提供了创新范式。

　　

在神经退行性疾病领域，路易体痴呆(Dementia with Lewy bodies, DLB)与阿尔茨海默病(Alzheimer's disease, AD)的鉴别诊断始终是临床难题。尽管DLB具有四大核心临床特征——生动视幻觉、认知波动、帕金森综合征及快速眼动睡眠行为障碍(RBD)，但实际诊疗中常被漏诊或误诊为AD。这种诊断偏差带来严重后果：DLB患者对传统抗精神病药物敏感度更高，预后更差，5年生存率较AD患者降低30%。更令人担忧的是，既往研究表明约50%的DLB病例在生前未能获得正确诊断。

针对这一临床困境，英国伦敦国王学院精神病学研究所与剑桥大学的研究团队开展了一项突破性研究。研究人员创新性地运用自然语言处理(Natural Language Processing, NLP)技术，对南伦敦Maudsley医院生物医学研究中心(SLaM BRC)电子健康档案系统中14,329例痴呆患者记录进行深度挖掘。这项发表于《npj Aging》的研究揭示：在传统诊断为AD的患者群体中，竟有18.7%符合DLB的临床诊断标准。

研究采用四大关键技术：1)基于GATE架构开发NLP算法，从非结构化电子病历中提取DLB核心症状；2)构建包含视觉幻觉、认知波动等特征的标注训练集；3)验证算法性能（如视觉幻觉识别精确度达91%）；4)统计分析比较DLB(n=617)与AD(n=13,712)患者的人口学及症状差异。所有数据均来自2008-2021年间确诊的痴呆患者队列。

【样本特征】
DLB患者较AD患者更年轻（初诊年龄78.7 vs 82.0岁）、男性比例更高(51.0% vs 36.0%)。通过NLP分析发现，83.1%的DLB患者存在视幻觉，显著高于AD组的16.7%；其他核心症状在DLB组的检出率分别为波动认知(74.7%)、帕金森综合征(62.1%)和RBD(26.6%)，均显著高于AD组。值得注意的是，48.1%的AD患者未记录任何DLB核心症状，但18.7%的AD患者记录有≥2个核心症状，符合"很可能DLB"诊断标准。

【AD患者中潜在DLB的特征】
在2,563例具有≥2个DLB核心症状的AD患者(AD2CS组)中，症状组合模式与确诊DLB组存在差异：视幻觉(60.2% vs 93.2%)和帕金森综合征(57.5% vs 70.4%)检出率较低，但RBD检出率相近(29.5% vs 30.6%)。AD2CS组初诊至确诊时间间隔(2年)显著长于典型AD患者(1年)，提示症状复杂性可能延误诊断。

【讨论与意义】
该研究首次通过大规模真实世界数据证实：近五分之一的临床AD诊断可能为DLB误诊或混合型痴呆。这种误诊部分源于临床记录缺陷——如RBD症状仅26.6%的DLB患者被记录，远低于预期患病率。研究创新点在于：1)开发可识别"波动认知"等模糊概念的NLP模型（精确度87%）；2)揭示电子病历中"噩梦记录"可作为RBD的替代标记；3)证明AD患者出现帕金森综合征与更差预后相关。

从临床转化角度看，该技术可实现：1)实时预警潜在DLB病例；2)避免抗精神病药物不良反应；3)优化临床试验入组标准。作者建议将NLP系统整合至诊疗流程，当AD患者记录中出现≥1个核心症状时触发二次评估。未来可扩展应用于血管性痴呆等更广泛人群的DLB筛查，并为理解AD-DLB共病理机制提供新视角。这项研究标志着人工智能技术在改善神经退行性疾病诊断精度方面迈出关键一步。