我国痴呆症患者占全球近30%！国产药研发仍存在巨大空白

随着我国老龄化程度的加剧，老年期痴呆疾病的预防和治疗正在成为未来五年内迫切需要应对的关键任务之一。

2025年伊始，国家卫健委等15个部门联合印发的《应对老年期痴呆国家行动计划（2024—2030年）》引发高度关注。该计划明确提出，到2030年基本建立老年期痴呆综合连续防控体系。

据介绍，该体系涵盖老年期痴呆预防、筛查、诊疗、康复、照护等多个环节，强化应对老年期痴呆的科技支撑能力，有效控制老年期痴呆患病率增速，建设老年期痴呆友好的社会环境。

未来十年老年人口数量将超4亿

随着人口老龄化进程的加快和人均预期寿命的延长，我国老年期痴呆患者数量持续增长，给个人、家庭和社会带来严峻挑战，已成为影响人民健康的重大社会问题。到2035年，中国60岁及以上人口预计较目前将至少增加40%，达到4亿多。

根据《中国阿尔茨海默病报告2024》数据，我国现存的阿尔茨海默及其他痴呆患病人数近1700万，这一数据占全球痴呆症患者总数的近30%。阿尔茨海默病是最常见的痴呆类型，占痴呆症病例的60%至80%。相关数据显示，在60岁以上老年人中，阿尔茨海默痴呆的发病率在5%以上；而85岁以上老年人中，阿尔茨海默痴呆的发病率更是高达30%。

阿尔茨海默病通常隐匿起病，主要表现为逐渐进展的记忆下降、语言和视空间障碍，日常生活能力下降，可伴有精神症状。而且不同于正常衰老，阿尔茨海默病是一种病理性衰老，阿尔茨海默病的核心病理表现是β淀粉样蛋白（Aβ）沉积、Tau神经纤维缠结和脑萎缩。

2024年，两款针对早期阿尔茨海默病治疗的进口创新药在我国获批上市。2024年1月，卫材公司的阿尔茨海默病疗法仑卡奈单抗注射液获批上市；2024年12月，礼来公司的的阿尔茨海默病疗法多奈单抗注射液获批上市。其中仑卡奈单抗已经步入商业化阶段。

但凭借这两款药物上市还远不能满足中国大量痴呆症患者的临床需求。首先，这两款药物都有明确的适应症，仅针对延缓早期阿尔茨海默病的发展进程有效；其次，以目前已经商业化的仑卡奈单抗的价格来看，一年的治疗费用高达18万元人民币，由患者自费，高昂的治疗价格限制了药物的可及性。

在这一背景下，一方面亟需开发更多我国自主研发的阿尔茨海默病新靶点和新疗法；另一方面，也需要提升痴呆症的早诊、早筛，加强疾病预防阶段的技术投入。

复旦大学附属华山医院神经内科郁金泰教授向第一财经记者坦言，阿尔茨海默病的控制关键在于早期的预防、诊断和治疗，但是目前来看，早期就诊求医的比例仍然非常低，这是阿尔茨海默病治疗效果不佳的主要原因。

“在痴呆患者临床症状出现前，存在数年甚至数十年的隐匿期。患者早期表现常常与正常衰老相混淆，而当患者出现显著认知行为障碍、前往医院就诊时，疾病往往已经进展至中晚期，错过了干预的最佳时期。”郁金泰对第一财经记者表示。

新标志物和靶点正在开发中

在痴呆症的筛查方面，2024年我国科研人员取得了多项成果。例如，复旦大学研究人员发表“一滴血可提前15年预知痴呆症风险”的研究成果；首都医科大学宣武医院团队也发表了一项大规模反映AD诊断前生物标志物变化的纵向队列研究。这些研究瞄准的生物标志物若在后期研究中得到进一步验证，将为阿尔茨海默病的早期诊断做出极大的贡献。

除了开发出更便捷的阿尔茨海默诊断方法之外，我国研究人员也在积极探索疾病治疗的新靶点。近日，由中国医学科学院基础医学研究所教授何维和张建民牵头的一项研究，首次发现了一种能够调控神经突触可塑性的新型阿尔茨海默病治疗新靶点。研究表明，新靶点能够促进Tau蛋白的去磷酸化过程，有助于缓解阿尔茨海默症的病理症状，在疾病进展过程中可以发挥神经保护作用。

但直到目前，国产阿尔茨海默药物的研发仍然存在巨大的空白。“阿尔茨海默新靶点的发现离不开对基础研究的持续投入，长期来看，我国一定是需要自主研发的有效药物来应对老龄化的严峻挑战。”专注于老年神经病学研究的复旦大学附属中山医院神经内科钟春玖教授对第一财经记者表示。钟春玖团队在阿尔茨海默药物研发上投入超过十年，最新成果也有望于近期发表。

与此同时，民间资本也在积极投入脑疾病等神经科学领域的研究。2024年，天桥脑科学研究院（TCCI）举办多场国际学术交流，涉及包括脑机接口等新兴技术在治疗和康复等健康医疗领域的应用。其中，帮助患者恢复语言功能的应用日前取得了重要突破。

TCCI创始人陈天桥表示，交叉研究对于阿尔茨海默等脑疾病和生命科学基础研究具有新的价值，未来希望资助并推动全球临床医生与神经、认知、人工智能等科学家合作交叉研究，尤其是针对一些与常理相违背的病例研究。例如，阿尔茨海默病一直被认为是衰老导致的退行性疾病，但也有罕见的二三十岁的确诊病例。

人工智能在包括阿尔茨海默病在内的神经退行性疾病相关的研究方面已经展现出应用前景。2024年12月，复旦大学研究人员基于多模态脑影像与人工智能算法，建立了量化脑衰老过程的大脑衰老时钟模型，结合大规模蛋白质组学数据，构建了“大脑衰老时钟”，进一步揭示了大脑衰老的演化模式。