AI与社区协同驱动：路易体痴呆研究优先领域的创新探索与爱尔兰实践

为解决路易体痴呆(LBD)研究不足、诊断困难及患者生活质量低下等问题，爱尔兰研究团队创新性结合AI主题建模(LDA)与社区参与式方法，分析全球18,615篇文献并开展多阶段优先事项调查，最终确立15个跨学科优先领域，涵盖诊断工具开发、非药物干预及生活质量评估框架构建，为LBD研究提供了首个整合技术分析与人文需求的研究路线图。

　　

研究背景

路易体痴呆(Lewy body dementia, LBD)作为第二大常见痴呆类型，却长期处于"三重困境"：临床识别率不足5%、误诊率居高不下、研究投入远低于阿尔茨海默病(AD)。这种神经退行性疾病以α-突触核蛋白(α-synuclein)异常沉积为特征，患者不仅面临认知波动、视幻觉等复杂症状，其照料者负担更是其他痴呆类型的1.5倍。令人震惊的是，爱尔兰约7000-10000名LBD患者中仅极少数获得确诊，反映出全球范围内对该病认知的严重不足。

研究设计与方法

都柏林三一学院全球脑健康研究所(Global Brain Health Institute, GBHI)领衔的研究团队开创性地将人工智能与社区智慧相结合。通过潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)算法分析2006-2023年间18,615篇文献摘要，揭示研究趋势演变；随后在爱尔兰开展包含问卷调查、公众参与活动在内的五阶段优先事项制定流程，最终49名参与者（含15名患者/照料者）达成共识。

关键技术

1. AI主题建模：采用LDA算法分析Scopus数据库文献，设置λ=0.6优化参数

2. 社区参与：通过Lewy Body Ireland等组织招募三类利益相关者

3. 混合方法：整合定量调查(Qualtrics平台)与定性内容分析

研究结果

AI辅助的全球LBD研究分析

文献计量显示2017年诊断指南更新后研究范式转变：

• 2006-2017年：聚焦α-synuclein致病机制（占16.7%文献）及脑脊液生物标志物

• 2018-2023年：涌现AI辅助诊断（21.4%文献）及皮质连接性MRI研究（Topic 7）

  

社区参与与优先事项制定

三重支柱框架下的15项优先事项：

1. 跨学科研究：开发LBD特异性诊断工具（44/49票选）

2. 生活体验：建立包含艺术疗法的症状管理方案（40/49）

3. 教育信息：构建诊断时即时支持系统（30/49）

讨论与意义

该研究首次实证展示了LBD研究的"双重脱节"现象：文献计量揭示基础研究占主导（2018-2023年分子机制研究仍占33%），而社区最迫切的诊断工具开发（Pillar 1）和生活质量研究（Pillar 2）仅占12.1%。研究创新性地将AI发现的"技术空白"（如神经影像技术断层）与社区提出的"人文需求"（如协调护理系统）有机整合，为资源有限地区（如爱尔兰）提供了精准研究路线图。值得注意的是，与美国同类研究相比，本研究更强调非药物干预和早期生物标志物探索，反映了地域性医疗差异。

论文发表于《npj Dementia》的价值在于：

1. 方法论创新：建立AI-社区协同的优先事项制定新范式

2. 临床意义：针对LBD特异性症状（如波动性认知）提出评估框架

3. 政策启示：为建立爱尔兰国家LBD数据队列提供实证依据

未来研究需解决样本局限性（仅3名患者直接参与）并扩展至非英语国家，但该研究已为LBD这类"被忽视的痴呆"树立了跨学科研究典范。