Со анализа на МРИ снимки и едноставен тест на крв од стотици пациенти, истражувачите идентификувале шаблони кои откриваат колку агресивно болеста го оштетува мозокот.
Научниците идентификувале два досега непознати биолошки подтипови на мултиплекс склероза (МС) со помош на вештачка интелигенција, откритие кое би можело да помогне лекарите да ја прилагодат терапијата повеќе индивидуално.
МС зафаќа милиони луѓе ширум светот, но третманите сè уште се базираат главно на симптомите, а не на биологијата на болеста. Тоа значи дека некои пациенти можат да добијат терапии кои се помалку ефикасни за нивната конкретна форма на МС.
Истражувачите сега откриле два различни биолошки шаблони на болеста со комбинација на анализа со АИ, МРИ снимки и едноставен крвен тест.
Како било спроведено истражувањето
Истражувањето, предводено од Универзитетскиот колеџ во Лондон (UCL) и Queen Square Analytics, ги анализирало податоците од околу 600 лица со МС. Научниците се фокусирале на нивото на протеинот наречен серумски неврофилантен лајт чин (sNfL), кој се ослободува кога нервните клетки се оштетуваат и може да укаже колку активна е болеста.
Со помош на модел за машинско учење наречен SuStaIn, истражувачите ги комбинирале податоците за sNfL со снимките на мозокот. Резултатите, објавени во медицинското списание Brain, откриле два подтипови на МС: „ран sNfL“ и „доцна sNfL“.
Кај лицата со ранен sNfL, високите нивоа на протеинот се појавувале рано во болеста, заедно со оштетување на корпус калозум – структура која ги поврзува двете хемисфери на мозокот. Овие пациенти исто така развивале мозочни лезии побрзо, што укажува на поагресивна и поактивна форма на МС.
Кај лицата со доцна sNfL, се забележувало намалување на мозокот во области како лимбичниот кортекс и длабокото сиво ткиво пред да се зголемат нивата на sNfL. Овој образец е побавен, со видливи оштетувања на нервите кои се појавуваат подоцна.
Зошто откритието може да ја промени дијагнозата и третманот
Истражувачите велат дека идентификувањето на овие биолошки шаблони може да помогне лекарите да предвидат како ќе напредува болеста и да изберат соодветни терапии.
„МС не е една болест, а сегашните подтипови не ја опишуваат вистинската промена на ткивата, што мораме да го знаеме за да ја лекуваме,“ рече др. Арман Ешаги, главен автор на студијата и истражувач на UCL.
„Со користење на модел за АИ во комбинација со лесно достапен крвен маркер и МРИ, првпат успеавме да покажеме два јасни биолошки шаблони на МС,“ додаде тој. „Ова ќе им помогне на клиничарите да разберат каде пациентот се наоѓа на патеката на болеста и кој може да има потреба од поинтензивен мониторинг или порана, насочена терапија.“
Во иднина, пациентите идентификувани како „ран sNfL“ може да добијат поефикасни терапии порано и да бидат понабљудувани. За „доцна sNfL“ пациентите можат да се применат терапии кои го штитат мозокот и ја успоруваат дегенерацијата.
„Ова е возбудлив напредок во нашето разбирање на МС,“ рече Кеитлин Астбери од MS Society.
Таа објасни дека студијата користела машинско учење за комбинирање на МРИ снимки и биолошки маркери кај лица со рецидивно-ремитентна и секундарно-прогресивна МС.
„Во последниве години, подобро ја разбираме биологијата на болеста,“ рече Астбери. „Но, моментално дефинициите се базираат на клиничките симптоми што ги има пациентот. МС е сложена, и овие категории често не го одразуваат вистинското случување во телото, што го отежнува ефикасното лекување.“
Постојат околу 20 опции за третман за лица со рецидивно МС, а се развиваат и терапии за прогресивни форми. Сепак, многу пациенти сè уште имаат ограничени или никакви ефикасни опции.
„Колку повеќе учиме за болеста, толку поголеми се шансите да најдеме терапии кои можат да ја запре прогресијата,“ заклучи Астбери.
