2020-10-26 19:23:16聖天使

最新研究發現,PM2.5與老年痴呆風險增加密切相關



(文/學術頭條)

說起 PM2.5,想必大家已經很熟悉了。PM2.5 是指環境空氣中空氣動力學當量直徑小於等於 2.5 微米的顆粒物。它能較長時間懸浮於空氣中,其在空氣中含量濃度越高,就代表空氣污染越嚴重。

PM2.5 粒徑小,面積大,活性強,易附帶有毒、有害物質(例如,重金屬、微生物等),且在大氣中的停留時間長、輸送距離遠,因而對人體健康和大氣環境質量的影響非常大。


目前,越來越多的證據表明,PM2.5 與過早死亡、心血管疾病、呼吸系統疾病的發生密切相關。然而,關於 PM2.5 對帕金森病、阿爾茲海默病及痴呆等神經系統疾病的影響此前尚不清楚。

近日,為了尋找環境污染和痴呆等神經系統疾病之間的關係,來自哈佛大學公共衛生學院和哥倫比亞大學公共衛生學院的研究人員合作,對美國 6300 多萬有醫保老人近 17 年的醫療數據和環境數據進行了系統分析。


在排除了社會經濟等潛在混雜因素後,研究人員發現,PM2.5 濃度每增加 5μg/ m3,則帕金森病、阿爾茲海默病和相關痴呆風險會增加 13%。同時,他們還發現,美國環境保護署制定的安全標準(PM2.5 濃度 12μg/ m3)並不安全,相比於 PM2.5 濃度更低的地區,他們的痴呆等神經系統疾病風險依舊較高。


相關工作以「Long-term effects of PM2·5 on neurological disorders in the American Medicare population: a longitudinal cohort study 」為題,發表在The Lancet Planetary Health 雜誌上。




對此,論文作者之一 Antonella Zanobetti 教授表示,「我們的研究表明,目前美國環境署制定的 PM2.5 標準並不足以保護美國的老年人,因此我們需要更嚴格的標準和政策來進一步降低 PM2.5 濃度,改善整體空氣質量的必要性。」


目前,在全球範圍內,神經系統疾病是導致殘疾的首要原因,也是導致死亡的第二主要原因。其中,帕金森病和阿爾茲海默病又是最普遍的神經退行性疾病。在世界範圍內,估計有 600 萬帕金森病患者,4400 萬阿爾茲海默病患者,並且每年還在不斷增加。

此前的研究表明,PM2.5 造成的空氣污染與認知受損有關,可能通過氧化應激、全身性炎症和神經炎症機制,加速人體認知功能的退化和帕金森病、阿爾茲海默病的發生。不過,由於此前樣本量較少,因此證據的說服力不足。




為了進一步驗證空氣污染和痴呆等神經系統疾病的關係,研究人員進行了一項縱向隊列研究。分析了 2000 年 1 月至 2016 年 12 月期間,擁有 Medicare (美國醫療保險)服務且年齡在 65 歲以上老年人,共計 6300 多萬人的醫療數據。研究期間一直追蹤這些人,直至部分患者死亡。

隨後,研究人員提取了隊列 中參與者的年齡、性別、種族、郵政編碼等信息,並建立了一個模型,通過郵政編碼和環境監測數據來估算參與者居住環境周圍的 PM2.5 濃度。


通過對這些數據進行分析處理,研究人員發現,在 6300 多萬參與者中,有近 100 萬帕金森病患者和 340 萬阿爾茲海默病患者。在排除一系列干擾因素後,PM2.5 濃度與痴呆等神經系統的發生呈線性關係,具體來說,PM2.5 濃度每增加 5μg/ m3,則帕金森病、阿爾茲海默病和相關痴呆風險平均會增加 13%。其中,女性、白人和城市人口更容易受到 PM2.5 的影響。





PM2.5 在美國全國範圍內的濃度,以及帕金森病、阿爾茨海默病和相關痴呆的發病率

此外,研究人員還發現,美國環境保護署制定的安全標準(PM2.5 濃度 12μg/m3)並不安全,長期處於此濃度 PM2.5 內,老年人群換老年痴呆等神經系統疾病風險依舊較高。

對此,Antonella Zanobetti 教授表示,「我們的證據表明,PM2.5 暴露與老年痴呆等神經系統疾病風險顯著增加密切相關,對於老齡化的美國人,改善空氣質量將 PM2.5 水平降低到目前國家標準以下,可以顯著降低老年人神經系統疾病的發表率,帶來大量的健康益處。」


有研究表明,一生中人會有 1/3 的幾率患痴呆症,因此迫切需要識別和了解該病的潛在危險因素。良好的大腦健康應成為減少痴呆症風險的終生目標,而在我們的城市中爭取更清潔的空氣仍應是一項重要的公共健康目標。

總而言之,這一研究提供了強有力的流行病學證據,即長期暴露於空氣污染與神經系統疾病更高的風險密切相關,即使濃度在國家安全標準內。而降低環境中的 PM2.5 可以給老年人帶來非常大的健康益處。---(鈦媒體)



*[MIT科學家開發機器翻譯新算法,專為破譯消失的古語言]*





(文/學術頭條)

語言是文化的有機組成部分,也是文化的載體,世界文明的多樣性在很大程度上表現為世界語言的多樣性。而在 21 世紀的今天,語言學家們顯然已經不滿足於傳統的、對已知語言的研究。相反,許多科學家開始利用計算機技術,去探索已經消失的、幾乎成為謎底的滅絕古老語言。

近日,麻省理工學院計算機科學與人工智能實驗室(Computer Science and Artificial Intelligence Laboratory 簡稱 CSAIL)的研究人員就開發出一種計算機算法,旨在幫助語言學家破譯歷史上已消失的語言。


無法「谷歌翻譯」的古老語言

如今,世界上現存約有 7100 種語言。然而,古時存在的大多數語言都已不再使用,幾近滅絕。數十種已滅絕語言也被認為是「未破譯」的語言,也就是說,我們對它們的語法(grammar)、詞彙(vocabulary)或句法(syntax)了解不足,也無法理解其文本的意思。




圖 | 世界語言分布地圖 2018

而研究這些「未破譯」的語言,不僅僅是出於學術上的好奇心。還是因為,不理解語言,我們就會錯過與講這些語言的人有關的一整套知識體系。不幸的是,大多數滅絕語言的相關記錄極少,因此,科學家無法使用谷歌翻譯之類的機器翻譯工具或AI算法來對其進行解密。


而傳統的研究方法是,找出目標語言的「相關」語言來作比較研究,例如同一語系或相似度較高的現存語言。然而,有些語言並沒有對應的、已被深入研究過的「相關」語言,並且它們通常缺少諸如空格和標點符號之類的傳統分隔符(想像一下,要解密出用這種語言寫出的文字該有多麼令人頭禿)。


但是,CSAIL 的研究人員發明的新系統,已被證明能夠自動破譯消失的語言,且無需對其與其他語言的關係有深入的了解。他們還表明,該系統自身就可以確定語言之間的關係,並可以用它來證實最近的一項表明 Iberian 語言實際上與 Basque 語言無關的學術研究。


語言破譯:從文本到矢量的轉變

此研究由 MIT 教授 Regina Barzilay 牽頭,依賴於基於歷史語言學(historical linguistics)見解的幾項原則。其中一條原則是,一種給定的語言很少會直接添加或刪除整個音節,但是很可能會發生某些近似發音的替換。比如,母語中帶有「 p」發音的單詞可能會在其後代演變中變為「 b」,但是由於明顯的發音差異,變為「 k」的可能性則較小。


通過整合這些原則和其他語言學約束,Barzilay 等人的新算法學習將語言發音嵌入多維向量空間,在該多維空間中,相應矢量之間的距離反映了不同發音的差異。這種設計使他們能夠捕獲語言變化的相關特徵,並將這些特徵表達為計算約束(computational constraints)。


因此,它可以評估兩種語言之間的相似度。實際上,當對已知語言進行測試時,它甚至可以準確地識別出該語言屬於哪個語系(language families)。例如英語、德語同屬於日耳曼語系。

不僅如此,算法生成的模型可以將古語言中的單詞進行細分,並將其一一映射到「相關」語言中的對應單詞上去。研究團隊的最終目標是使該系統僅僅使用幾千個單詞,就能夠破譯數十年來語言學家們都無法理解的古語言。


機器翻譯相關研究

實際上,這並非 MIT 首個使用計算機技術破譯已消失語言的研究。

早在 2010 年,Barzilay 就和其他合作者一起,開發出一個新的計算機算法,該算法在幾個小時內就破解了古老的猶太語言烏加里特語(Ugaritic)。

除了幫助破譯「神秘的」八種左右古老語言外,這項工作還可以擴大自動翻譯系統可以處理的語言數量。例如目前,谷歌翻譯支持 103 種語言,而破譯系統中使用的技術可以幫助其為數千種語言構建詞典。


去年,Barzilay 等人也發表過一篇論文,文中使用改進的計算機算法破譯了線形文字 B(Linear B,出現在公元前 1400 年左右)。他們說,「我們的翻譯腳本能夠以 67.3%的準確率將線性文字 B 的同源詞轉換成對應的希臘語。據我們所知,該試驗是自動解讀線性文字 B 的第一次嘗試。」




在未來的工作中,該團隊希望擴展到將文本與已知語言的相關單詞相關聯的範圍之外,這種方法被稱為「基於同源的破譯方法」。

Barzilay 說:「例如,我們可以識別文本中涉及到的所有人或地點的信息,然後可以根據已知的歷史證據對其進行進一步的調查。這些實體識別(entity recognition)方法如今已廣泛用於各種文本處理應用程序中,並且具有很高的準確性 。」---(鈦媒體)


參考資料:

https://news.mit.edu/2020/translating-lost-languages-using-machine-learning-1021

https://news.mit.edu/2010/ugaritic-barzilay-0630

http://people.csail.mit.edu/j_luo/assets/publications/DecipherUnsegmented.pdf

http://people.csail.mit.edu/bsnyder/papers/bsnyder_acl2010.pdf