Naučnici sa Univerziteta UNSV u Sidneju sa saradnicima sa Univerziteta u Bostonu razvili su alat koji pokazuje rano obećanje u otkrivanju Parkinsonove bolesti godinama pre nego što počnu da se pojavljuju prvi simptomi.
U istraživanju objavljenom danas u časopisu ACS Central Science, istraživači su opisali kako su koristili neuronske mreže za analizu biomarkera u telesnim tečnostima pacijenata.
Istraživači sa UNSV škole hemije pregledali su uzorke krvi uzete od zdravih osoba koje je prikupila španska evropska prospektivna istraga raka i ishrane (EPIC). Fokusirajući se na 39 pacijenata koji su razvili Parkinsonovu bolest do 15 godina kasnije, tim je pokrenuo svoj program mašinskog učenja preko skupova podataka koji sadrže opsežne informacije o metabolitima – hemijskim jedinjenjima koja telo stvara kada razlaže hranu, lekove ili hemikalije.
Nakon upoređivanja ovih metabolita sa onima od 39 odgovarajućih kontrolnih pacijenata – ljudi u istoj studiji koji nisu razvili Parkinsonovu bolest – tim je bio u mogućnosti da identifikuje jedinstvene kombinacije metabolita koje bi mogle da spreče ili potencijalno budu rani znaci upozorenja za Parkinsonovu bolest.
Kako objašnjava istraživačica UNSV-a Diana Zhang, ona i vanredni profesor V. Alekander Donald razvili su alat za mašinsko učenje pod nazivom CRANK-MS, što je skraćenica za Analiza klasifikacije i rangiranja korišćenjem neuronske mreže koja generiše znanje iz spektrometrije mase.
„Najčešći metod analize metabolomskih podataka je kroz statističke pristupe“, kaže Zhang.
„Da bi shvatili koji su metaboliti značajniji za bolest u odnosu na kontrolne grupe, istraživači obično gledaju na korelacije koje uključuju specifične molekule.“
„Ali ovde uzimamo u obzir da metaboliti mogu imati asocijacije sa drugim metabolitima—u čemu dolazi mašinsko učenje. Sa stotinama do hiljadama metabolita, koristili smo računarsku moć da razumemo šta se dešava.“
A/Prof. Donald kaže da su istraživači, pored posmatranja kombinacija metabolita, koristili i neuređenu listu podataka.
„Uobičajeno, istraživači koji koriste mašinsko učenje da ispitaju korelacije između metabolita i bolesti prvo smanjuju broj hemijskih karakteristika, pre nego što ih unesu u algoritam“, kaže on.
„Ali ovde unosimo sve informacije u CRANK-MS bez ikakvog smanjenja podataka odmah na početku. I iz toga možemo dobiti predviđanje modela i identifikovati koji metaboliti najviše pokreću predviđanje, sve u jednom koraku. To znači da ako postoje metaboliti koji su potencijalno propušteni korišćenjem konvencionalnih pristupa, sada ih možemo pokupiti.“
Trenutno se Parkinsonova bolest dijagnostikuje posmatranjem fizičkih simptoma kao što je drhtanje ruku u mirovanju. Ne postoje krvni ili laboratorijski testovi za dijagnozu negenetskih slučajeva. Ali atipični simptomi kao što su poremećaj spavanja i apatija mogu se pojaviti kod ljudi sa Parkinsonovom bolešću decenijama pre nego što se pojave motorni simptomi. CRANK-MS, stoga, može da se koristi na prvi znak ovih atipičnih simptoma da bi se isključio ili isključio rizik od razvoja Parkinsonove bolesti u budućnosti.
Međutim, A/Prof Donald naglašava da su potrebne studije validacije koristeći mnogo veće kohorte i sprovedene u više delova sveta pre nego što se alat može pouzdano koristiti. Ali u ograničenoj kohorti ispitanoj za ovu studiju, rezultati su bili obećavajući, a CRANK-MS je mogao da analizira hemikalije pronađene u krvi kako bi otkrio Parkinsonovu bolest sa tačnošću do 96 procenata.
„Ova studija je zanimljiva na više nivoa“, kaže on.
„Prvo, tačnost je veoma visoka za predviđanje Parkinsonove bolesti pre kliničke dijagnoze. Drugo, ovaj pristup mašinskom učenju nam je omogućio da identifikujemo hemijske markere koji su najvažniji u tačnom predviđanju ko će razviti Parkinsonovu bolest u budućnosti. Treće, neki od hemijskih markera koji najviše pokreću tačno predviđanje, drugi su ranije umešali u Parkinsonovu bolest u testovima zasnovanim na ćelijama, ali ne i kod ljudi.
Bilo je nekih zanimljivih otkrića prilikom ispitivanja metabolita ljudi koji su u studiji razvili Parkinsonovu bolest.
Na primer, triterpenoidi su pronađeni u nižim koncentracijama u krvi onih koji su kasnije razvili Parkinsonovu bolest u poređenju sa onima koji nisu. Triterpenoidi su poznati neuroprotektant koji reguliše oksidativni stres i obično se nalazi u hrani kao što su jabuke, masline i paradajz. Buduća studija bi mogla da ispita da li jedenje ove hrane može prirodno zaštititi od razvoja Parkinsonove bolesti.
Takođe je vredno daljeg istraživanja bilo prisustvo polifluorovanih alkil supstanci (PFAS) kod ljudi koji su razvili Parkinsonovu bolest, što bi moglo biti povezano sa izloženošću industrijskim hemikalijama.
„Imamo dokaze koji sugerišu da je to PFAS, ali nam je potrebno više podataka o karakterizaciji da bismo bili 100 posto sigurni“, kaže A/Prof Donald.
CRANK-MS je alatka koja je javno dostupna svim istraživačima koji žele da koriste mašinsko učenje za dijagnozu bolesti koristeći metabolomske podatke.
„Napravili smo model na takav način da odgovara svrsi“, kaže Zhang.
„Primena CRANK-MS za otkrivanje Parkinsonove bolesti je samo jedan primer kako veštačka inteligencija može da poboljša način na koji dijagnostikujemo i pratimo bolesti. Ono što je uzbudljivo je da se CRANK-MS može lako primeniti na druge bolesti kako bi se identifikovali novi biomarkeri od interesa.“
„Alatka je laka za upotrebu gde se u proseku rezultati mogu generisati za manje od 10 minuta na konvencionalnom laptopu.“
