Istraživači sa Univerziteta Zapadna Virdžinija identifikovali su skup dijagnostičkih metaboličkih biomarkera koji im mogu pomoći da razviju alate veštačke inteligencije za otkrivanje Alchajmerove bolesti u ranim fazama, kao i da odrede faktore rizika i intervencije lečenja.
Studija, objavljena u Journal of the Neurological Sciences, imala je za cilj da utvrdi koji su metabolički biomarkeri najrelevantniji za Alchajmerovu bolest, a zatim da obuči AI model da predvidi verovatnoću da li se bolest razvija ili bi mogla da se razvije.
Za istraživanje, naučnici su izabrali metod dubokog učenja AI zbog njegovog svestranog pristupa za predviđanje složenih bioloških fenomena i njegove sposobnosti da koristi ogromne količine podataka i složenih algoritama za obuku modela.
„Metod dubokog učenja koji koristi veštačke neuronske mreže, koje su inspirisane slojevitom strukturom neurona mozga i njihovim proračunima, dostigao je performanse predviđanja bez presedana za složene zadatke“, rekao je Kešeng Vang, profesor na VVU School of Nursing, koji je vodio studija. „Pokazano je da su tehnike dubokog učenja tačnije za dijagnozu Alchajmerove bolesti u poređenju sa konvencionalnim modelima mašinskog učenja.“
U medicini, biomarkeri su merljivi pokazatelji težine ili prisustva bolesti. Ljudi bi ih najčešće povezivali sa brojevima u svom izveštaju o krvi koji pokazuju nivoe holesterola ili glukoze, na primer.
Metabolički biomarkeri postoje u molekulima ćelija, tkiva i telesnih tečnosti, pokazujući interakciju između gena i načina života, kao što su izbor hrane i okruženje. Na tom nivou, naučnici mogu bolje razumeti promene u zdravlju osobe i rizike od razvoja bolesti.
„Alchajmerova bolest može početi godinama ili čak decenijama pre pojave kliničkih simptoma; stoga je ključno identifikovati prediktivne biomarkere u pretkliničkoj fazi kako bi medicinska nauka mogla da razvije strategije za sprečavanje progresije bolesti“, rekao je Vang.
Rano otkrivanje Alchajmerove bolesti je takođe kritično važno za razvoj i primenu lekova, dodao je Vang, kao i za dijagnostičke i terapeutske pristupe za sprečavanje gubitka funkcije i smanjene dugovečnosti.
Za ovu studiju, podaci iz Inicijative za neuroimaging Alchajmerove bolesti dobijeni su od 78 osoba sa dijagnozom Alchajmerove bolesti i 99 osoba sa normalnom kognitivnom funkcijom. Učesnici su bili starosti od 75 do 82 godine.
Koristeći LASSO softver, istraživači su uvezli 150 metaboličkih biomarkera i odabrali 21 kao najrelevantniji za Alchajmerovu bolest.
„Metaboliti su deo metabolizma glukoze, aminokiselina i lipida“, rekao je Vang. „Neki od metabolita su u korelaciji sa kliničkim biomarkerima – kao što su plakovi – kognitivnim merama i zapreminom hipokampusa povezanim sa pacijentima sa Alchajmerovom bolešću.“
Hipokampus je područje mozga koje je često prvo oštećeno Alchajmerovom bolešću i pokazuje skupljanje.
Istraživači su zatim testirali više modela dubokog učenja dok nisu bili u stanju da naprave onaj koji je postigao najveću tačnost za procenu.
Vang je rekao da su studije koje koriste duboko učenje za otkrivanje Alchajmerove bolesti još uvek u ranim fazama i da su potrebna dodatna istraživanja. On i njegov tim rade na projektu integracije podataka iz proteina i metabolizma koristeći metode dubokog učenja.
„Metabolička osnova Alchajmerove bolesti je još uvek slabo shvaćena, a odnosi između sistemskih abnormalnosti u metabolizmu i patogeneze Alchajmerove bolesti su nejasni“, rekao je Vang. „Ova studija pokazuje da postoji potencijal za identifikaciju metaboličkih biomarkera koji predviđaju dijagnozu i progresiju Alchajmerove bolesti.“
