Istraživanje otkriva dva podtipa multiple skleroze, prema naučnicima iz Londona

Istraživanje otkriva dva podtipa multiple skleroze, prema naučnicima iz Londona

Naučnici sa Univerzitetskog koledža u Londonu otkrili su moguća dva podtipa multiple skleroze. Ova saznanja bi mogla pomoći lekarima da pruže specijalizovaniju negu pacijentima. Istraživanje koristi mašinsko učenje za analizu podataka iz krvnih testova i snimaka mozga.

Istraživanje je koristilo mašinsko učenje za analizu podataka prikupljenih iz krvnih testova i snimaka mozga 634 pacijenata koji su učestvovali u dva različita klinička ispitivanja. Modeli mašinskog učenja su obučeni da prepoznaju suptilne obrasce koje ljudi mogu propustiti.

Krvni testovi su bili usmereni na detekciju proteina nazvanog serum neurofilament light chain (sNfL), poznatog biomarkera bolesti nervnog sistema, uključujući multiplu sklerozu (MS). Snimci magnetne rezonance su, s druge strane, ispitivali oštećenja i druge promene u različitim delovima mozga. U MS, imunološki sistem greškom napada zaštitnu ovojnicu koja pokriva nerve, ostavljajući lezije koje ometaju komunikaciju između nerava.

Poređenjem rezultata krvnih testova i snimaka mozga, model je mogao da razdvoji pacijente u različite podtipove. Oni koji su klasifikovani kao „early-sNfL“ su pokazali povišene nivoe proteina ranije, kao i oštećenja corpus callosum, strukture koja povezuje leve i desne hemisfere mozga. Ovaj podtip se činio agresivnijim, sa pacijentima koji su razvijali lezije u mozgu brže od drugih.

Drugi podtip je nazvan „late-sNfL“ i činilo se da napreduje sporije. Za pacijente u ovoj grupi, prvi znaci su bili smanjenje limbicnog korteksa i sive materije duboko unutar mozga. Nivoi sNfL u njihovom krvnom serumu nisu počeli da rastu sve do kasnije faze.

„Koristeći AI model u kombinaciji sa lako dostupnim krvnim markerom i MRI, uspeli smo da pokažemo dva jasna biološka obrasca MS po prvi put,“ kaže Arman Ešaghi, neuroznanstvenik na UCL-u i suosnivač kompanije Queen Square Analytics, koja je uključena u istraživanje. „Ovo će pomoći kliničarima da razumeju gde se osoba nalazi na putu bolesti i ko može zahtevati bliže praćenje ili ranije, ciljanje lečenje.“

Model mašinskog učenja je obučen na podacima od 189 pacijenata sa različitim tipovima MS (relapsno-remitentni ili sekundarno progresivni MS), a zatim testiran na dodatnih 445 pacijenata koji su nedavno dijagnostikovani sa bolešću. Neurofilamenti su proteini koji pružaju podršku neuronima kroz centralni i periferni nervni sistem, a kod zdravih pacijenata imaju prilično spor promet. Međutim, neurodegeneracija oslobađa ove proteine u telesne tečnosti bržim tempom, što ih čini potencijalnim biomarkerom za bolesti i poremećaje nervnog sistema.

Nažalost, razlika je prilično suptilna u krvnom serumu, što otežava dijagnostiku. Snimci magnetne rezonance takođe mogu razjasniti obrasce širenja MS, ali ne i specifičnosti bolesti. Naučnici koji stoje iza novog istraživanja sugerišu da kombinovanje nivoa neurofilamenata sa drugim podacima, kao što su MRI snimci, čini te mere korisnijim.

„Dodavanjem sNfL, uspostavljenog indikatora neuroaksionalne povrede, napredovali smo dalje od strukturnog pregleda koji pruža samo MRI,“ zaključuju istraživači. Trenutno se MS klasifikuje i leči na osnovu simptoma i napredovanja bolesti, ali to ne uzima u obzir osnovne mehanizme.