HD的神经病理学表现是强调某些脑区域的退化，特别是纹状体。在细胞水平上，HD是由亨廷顿基因(HTT)中延长的CAG(胞嘧啶-腺嘌呤-鸟嘌呤)序列(扩增)定义的遗传缺陷引起的。预测性基因检测用于在患者出现HD运动症状之前识别突变个体。这阶段病人被称为病前或显病前。

 

在疾病症状出现前识别异常基因提供了在早期阶段进行干预的机会，有可能采用旨在减缓或阻止疾病进展的潜在治疗方法。生物标记物是监测疾病进展和测量治疗干预效果的优秀工具。虽然已知CAG重复长度与疾病进展密切相关，但在CAG重复长度相同的个体中，疾病的复杂性及其不同的表现和严重程度，需要更多的生物标志物来详细了解疾病进展。事实上，TRACK-HD研究已经显示出有用的临床和成像结果指标可可靠地用于药物试验设计。

 

通常情况下，患者在三四十岁时就开始出现HD。然而，发病年龄从婴儿到90岁不等。患者的功能逐渐下降，最终需要重症监护，这往往需要大量的医疗投入，并消耗大量的家庭和社会资源。

 

除了上述的认知、精神和运动症状外，HD还伴有显著的体重减轻。这是一个渐进的过程，已知对死亡率和发病率有负面影响。它发生在高热量摄入的情况下，与患者增加活动无关。此外，相关研究表明，在最初症状时体重指数较高的HD患者表现出病情进展缓慢，这可能为治疗提供有用的指征。

 

长期以来，人们一直认为，尽管食用高能量饮食，但计划外的体重减轻与HD疾病有关，这甚至适用于疾病的前期表现阶段。这表明HD患者的体重减轻不太可能与诸如舞蹈病等体力活动的增加有因果关系。事实上，在一项随机对照前瞻性研究中，517例HD患者的体重减轻与舞蹈病、肌张力障碍或总UHDRS运动评分(统一亨廷顿氏病评分)等运动评分没有相关性。然而，研究发现它与CAG重复长度有关，研究结果表明它可能是由高代谢状态引起的。

 

研究潜在的病理过程可能有助于理解这种毁灭性的疾病，并有助于其管理。然而，由传统统计或人类专家来解释复杂的行为和多重生物因素的联系是不现实的。

 

结合临床数据、专家知识和机器智能，对HD，特别是在显前阶段潜在相关因素和体重减轻的活动之间的多维关联进行建模。在临床HD专家的帮助下，将HD数据集标准化，转化为所需的知识库，再通过类规则挖掘和自组织映射进行处理，识别出重要关联。

 

统计结果和专家报告表明，HD患者在显前阶段的严重体重减轻与某些认知、精神功能能力因素的测量有很强的相关性。

 

这些结果表明，HD患者体重减轻的机制至少部分与大脑某些区域的功能障碍有关，这一发现在其他方面可能并不明显。这些关联将有助于理解疾病的病理生理学及其进展，并可能反过来有助于HD治疗试验。

医博士编译自：Khan W, Alusi S, Tawfik H, et al. The relationship between non-motor features and weight-loss in the premanifest stage of Huntington's disease. PLoS One. 2021; 16(7):e0253817. doi:10.1371/journal.pone.0253817.

来源：https://pubmed.ncbi.nlm.nih.gov/34197537/