دانشمندان کشف کردند که بیماری اماس ممکن است دو زیرگروه مجزا داشته باشد

بر اساس یک مطالعه جدید که توسط دانشمندان دانشگاه کالج لندن (UCL) انجام شده است، ممکن است دو زیرگروه مجزا از بیماری اماس وجود داشته باشد. این یافته، در صورت تأیید، میتواند به پزشکان کمک کند تا مراقبتهای تخصصیتری را برای بیماران ارائه دهند. این مطالعه از یادگیری ماشینی برای تجزیه و تحلیل دادههای حاصل
بر اساس یک مطالعه جدید که توسط دانشمندان دانشگاه کالج لندن (UCL) انجام شده است، ممکن است دو زیرگروه مجزا از بیماری اماس وجود داشته باشد. این یافته، در صورت تأیید، میتواند به پزشکان کمک کند تا مراقبتهای تخصصیتری را برای بیماران ارائه دهند.
این مطالعه از یادگیری ماشینی برای تجزیه و تحلیل دادههای حاصل از آزمایش خون و اسکن مغز ۶۳۴ بیمار شرکتکننده در دو آزمایش بالینی مختلف استفاده کرد. مدلهای یادگیری ماشینی آموزش دیدهاند تا الگوهای ظریفی را که ممکن است انسانها از دست بدهند، تشخیص دهند.
آزمایشهای خون برای تشخیص پروتئینی به نام زنجیره سبک نوروفیلامنت سرم (sNfL)، یک نشانگر زیستی شناخته شده برای بیماریهای سیستم عصبی، از جمله اماس (MS)، انجام شد.
در همین حال، اسکنهای MRI، آسیب و سایر تغییرات در قسمتهای مختلف مغز را بررسی کردند. در اماس، سیستم ایمنی بدن به اشتباه به غلاف محافظ سلولهای عصبی حمله میکند و ضایعاتی را ایجاد میکند که در ارتباط عصبی اختلال ایجاد میکنند.
با مقایسه نتایج آزمایش خون و اسکنهای مغز، این مدل توانست بیماران را به زیرگروههای جداگانه دستهبندی کند.
افرادی که به عنوان «ابتدای sNfL» طبقهبندی شدند، سطوح بالایی از پروتئین را در مراحل اولیه و همچنین آسیب به جسم پینهای، ساختاری که نیمکره چپ و راست مغز را به هم متصل میکند، نشان دادند. به نظر میرسید این زیرگروه تهاجمیتر است و بیماران سریعتر از سایرین دچار ضایعات مغزی میشوند.
زیرگروه دوم «بعدی sNfL» نامگذاری شد و به نظر میرسید که کندتر پیشرفت میکند. برای بیماران این گروه، اولین علائم، انقباض قشر لیمبیک و ماده خاکستری در اعماق مغز بود. سطح sNfL در سرم خون آنها تا دیرتر شروع به افزایش نکرد.
آرمان اسحاقی، متخصص علوم اعصاب در UCL و از بنیانگذاران Queen Square Analytics، یک شرکت وابسته به این تحقیق، میگوید: «با استفاده از یک مدل هوش مصنوعی همراه با یک نشانگر خون بسیار در دسترس با MRI، ما توانستهایم برای اولین بار دو الگوی بیولوژیکی واضح از MS را نشان دهیم.»
«این به پزشکان کمک میکند تا بفهمند که یک فرد در کجای مسیر بیماری قرار دارد و چه کسی ممکن است به نظارت دقیقتر یا درمان هدفمند اولیه نیاز داشته باشد.»
مدل یادگیری ماشین بر اساس دادههای ۱۸۹ بیمار مبتلا به انواع مختلف اماس (اماس عودکننده-بهبودیابنده یا اماس پیشرونده ثانویه) آموزش داده شد و سپس روی ۴۴۵ بیمار دیگر که اخیراً به این بیماری مبتلا شده بودند، آزمایش شد.
نوروفیلامنتها پروتئینهایی هستند که از نورونها در سراسر سیستم عصبی مرکزی و محیطی پشتیبانی میکنند و در بیماران سالم، گردش نسبتاً کندی دارند. اما تخریب عصبی این پروتئینها را با سرعت بیشتری به مایعات بدن میریزد و آنها را به یک نشانگر زیستی بالقوه برای بیماریها و اختلالات سیستم عصبی تبدیل میکند.
در خبرنامه رایگان ScienceAlert که صحت آن بررسی شده است، مشترک شوید.
متأسفانه، این تفاوت در سرم خون نسبتاً جزئی است، که استفاده از آن را برای تشخیص دشوار میکند. اسکنهای MRI همچنین میتوانند الگوهای شیوع اماس را حل کنند، اما نمیتوانند جزئیات بیماری را مشخص کنند.
دانشمندان این مطالعه جدید پیشنهاد میکنند که ترکیب سطوح نوروفیلامنت با سایر دادهها، مانند اسکنهای MRI، این معیارها را مفیدتر میکند.
محققان نتیجه میگیرند: “با افزودن sNfL، یک شاخص ثابت شده از آسیب نوروآکسونال، ما فراتر از تصویر ساختاری ارائه شده توسط MRI به تنهایی پیشرفت کردهایم.”
در حال حاضر، بیماری اماس بر اساس علائم و پیشرفت بیماری طبقهبندی و درمان میشود، اما این روش، مکانیسمهای اساسی را در نظر نمیگیرد. محققان این مطالعه جدید میگویند که تکنیک ترکیبی آنها در صورت تأیید در مطالعات بیشتر، میتواند به پزشکان کمک کند تا درمانهای مناسبتری را توصیه کنند.
ارسال نظر شما
مجموع نظرات : 2 در انتظار بررسی : 2 انتشار یافته : ۰