Distonije su potencijalno onesposobljavajuća neurološka stanja koja mogu u velikoj meri uticati na kvalitet života. Efikasni tretmani su retki, pri čemu se injekcije botulinum toksina (Botok) u zahvaćene mišiće smatraju terapijom prve linije. Međutim, injekcije ne funkcionišu za svakog pacijenta sa distonijom, i nije uspostavljen način na koji kliničari mogu da odrede kome bi koristilo, a ko ne pre početka lečenja.
U novoj studiji objavljenoj 28. novembra u Annals of Neurologi, platforma za veštačku inteligenciju pod nazivom DistoniaBoTKSNet koristila je MR mozga da automatski identifikuje koji pacijenti će reagovati na lečenje botulinum toksinom sa 96,3% tačnosti.
Takva platforma može da informiše kliničare o odlukama o lečenju, prema višem autoru studije Kristini Simonjan, doktoru medicine, dr med, direktorki Laringoloških istraživanja u Mass Eie and Ear, članu Mass General Brigham-a i profesoru otorinolaringologije – Hirurgija glave i vrata na medicinskoj školi Harvard.
„Obično, pacijent sa distonijom bi bio podvrgnut nizu injekcija za pronalaženje doze i lokacije kako bi se utvrdilo da li botulinum toksin ublažava simptome. Injekcije su bolne i skupe“, rekao je dr Simonjan.
„Ipak, neki možda neće pronaći nikakve koristi od ovog tretmana uprkos višestrukim pokušajima injekcija, dok bi neki mogli imati koristi od injekcija, ali odustanu nakon samo jedne doze ili potpuno odustanu od lečenja. Sa ovim algoritmom veštačke inteligencije, možemo da osnažimo kliničare i pacijente u njihovoj terapiji. donošenje odluka pružajući im objektivan alat za zamenu pristupa pokušaja i greške efikasnosti botulinum toksina.“
Osobe sa distonijom doživljavaju nevoljne kontrakcije ili napetost mišića što može dovesti do nekontrolisanih pokreta koji značajno utiču na fizički i emocionalni kvalitet života.
Izolovane fokalne distonije pogađaju jedan deo tela, sa uobičajenim primerima koji uključuju: laringealnu distoniju koja utiče na glasne žice tokom govora, blefarospazam koji izaziva nevoljne trzaje očnih kapaka, cervikalna distonija koja uzrokuje kontrakciju mišića vrata i bolno uvijanje glave i uvijanje u piscu prstima tokom pisanja. Otprilike 35 od svakih 100.000 ljudi ima izolovanu ili primarnu distoniju – prevalenciju koja je verovatno potcenjena zbog izazova dijagnostikovanja poremećaja.
Injekcije botulinum toksina se smatraju tretmanom prve linije za fokalne distonije. Injekcija parališe zahvaćeni mišić, sa ciljem da spreči nevoljne kontrakcije. Efekti su obično privremeni, a injekcija se često mora ponavljati svaka tri-četiri meseca doživotno.
Samo oko 60% pacijenata sa distonijom se podvrgava ovim injekcijama, a svaki pacijent ne reaguje na lečenje. Ovo može biti zbog osnovnih bioloških razloga, složenosti simptoma ili iskustva i stručnosti lekara koji daje injekciju. Ovo može dovesti do preteranog lečenja pacijenata koji uopšte ne bi reagovali na botulinum toksin, i nedovoljnog lečenja pacijenata koji mogu reagovati, ali nikada ne traže lečenje ili bi mogli rano prekinuti lečenje.
Ova velika varijabilnost navela je dr Simonjan i njen tim da se okrenu veštačkoj inteligenciji kako bi pronašli rešenje za objektivnu procenu koristi od injekcija botulinum toksina pre početka lečenja.
U novoj studiji objavljenoj u Annals of Neurologi, istraživački tim je obučio algoritam dubokog učenja za analizu MR mozga 284 pacijenta sa četiri tipa distonije koji su reagovali i nisu reagovali na injekcije botulinum toksina. Efikasnost injekcija je određena medicinskom dokumentacijom i povratnim informacijama lekara i pacijenata.
DistoniaBoTKSNet je otkrio da postoji osam regiona mozga kao neuronski biomarker efikasnosti injekcija. Koristeći ovaj novootkriveni biomarker, DistoniaBoTKSNet je postigao ukupnu tačnost od 96,3% u predviđanju efikasnosti botulinum toksina kod fokalne distonije, sa 100% osetljivosti i 86,1% specifičnosti. Platforma je ove rezultate postigla za 19,2 sekunde po kućištu.
„Naša studija pokazuje da DistoniaBoTKSNet može biti veoma robusna i laka za korišćenje AI platforma koju lekari koriste za prefinjene kliničke odluke. Individualni prediktivni ishod injekcija botulinum toksina pre primene terapije može pomoći preciznijoj selekciji pacijenata, fino podešavanje režima lečenja, ili daljih upućivanja, čime se povećava upotreba botulinum toksina za pacijente sa distonijom“, naveo je dr Simonjan kao primer.
„S druge strane, platforma može predvideti da pacijent ima veoma malu verovatnoću da će imati koristi od injekcija, što bi bilo informativno za lekara da razmotri druge terapijske opcije umesto prekomernog lečenja botulinum toksinom.
Alat DistoniaBoTKSNet je druga platforma za veštačku inteligenciju koju su izmislili dr Simonjan i njen tim da bi pomogli u donošenju kliničkih odluka. Ova studija se zasniva na prethodnim istraživanjima koju je vodio ovaj tim koji je izvestio o uspehu odvojene platforme pod nazivom DistoniaNet koja je sposobna da dijagnostikuje distoniju pomoću magnetne rezonance pacijenata sa tačnošću od 98,8% za 0,36 sekundi. Distonije su poznate pogrešno i nedovoljno dijagnostikovane, a neke studije pokazuju da pacijentima može biti potrebno i do 10 godina da dobiju odgovarajuću dijagnozu.
Zanimljivo je da je za pet od osam regiona identifikovanih kao neuralni biomarker efikasnosti botulinum toksina od strane DistoniaBoTKSNet u novom radu ranije utvrđeno da čine dijagnostički biomarker DistoniaNet-a. Godinama kliničari nisu imali objektivni biomarker za identifikaciju ovih stanja, stoga regioni koji se preklapaju mogu pružiti dodatne dokaze o njihovoj ulozi u distoniji koje naučnici mogu bolje istražiti.
Uz dalje proučavanje obe platforme, nadamo se da će jednog dana pacijent moći da uđe u kancelariju kliničara nakon što iskusi simptome i da se podvrgne MR i da dobije dijagnozu preko DistoniaNet-a; zatim, DistoniaBoTKSNet može pomoći da se utvrdi da li bi tretman botulinum toksinom bio efikasan za njih.
Da bi postigli ovaj cilj, istraživači kreću u višestruka klinička ispitivanja u okviru Mass General Brighama kako bi utvrdili korisnost ovih alata u klinici. Drugi budući pravac rada je proučavanje da li se dodatni tretmani, poput duboke stimulacije mozga, mogu predvideti pomoću alata zasnovanog na veštačkoj inteligenciji.
