近期一项研究探索了利用唾液样本和机器学习技术预测老年人神经精神症状及认知衰退的新方法。这项由中国重庆医科大学和中国重庆市口腔疾病重点实验室的研究人员开展的工作，为大规模筛查高风险人群提供了潜在工具。

研究团队在中国重庆社区卫生服务中心招募了338名老年参与者，收集了他们的唾液样本、口腔微生物数据以及压力相关生物标志物如皮质醇水平。这些数据被分为训练集和验证集，用于开发和测试机器学习模型。

研究人员构建了包括XGBoost、支持向量机和逻辑回归在内的多种模型。结果显示，经过优化的XGBoost模型在预测神经精神症状风险方面表现最佳，其AUROC达到0.936。逻辑回归模型则被转化为便于社区使用的列线图工具。

“神经精神症状是神经退行性疾病导致认知衰退的早期指标，及时检测这些症状至关重要，”论文作者刘平、杨增及其同事表示，“我们的目标是开发和验证用于老年人大规模神经精神症状筛查的方法。”

该研究还通过生物信息学分析揭示了皮质醇与微生物组在磷酸戊糖途径等代谢通路中的相互作用机制，为理解神经精神症状的生物学基础提供了新视角。

这项发表在《转化精神病学》的研究表明，基于唾液样本生物标志物和人工智能的筛查工具具有临床应用前景，未来可能帮助医疗工作者早期识别认知衰退风险，从而及时采取干预措施。