هوش مصنوعی و کشف زیرنوعهای تازه اماس؛ گامی به سوی درمانهای شخصیسازیشده
دانشمندان با بهرهگیری از هوش مصنوعی موفق شدهاند دو زیرنوع زیستی جدید و پیشتر ناشناخته از بیماری مولتیپل اسکلروزیس یا اماس را شناسایی کنند؛ کشفی که میتواند مسیر تشخیص و درمان این بیماری پیچیده عصبی را بهطور جدی دگرگون کند.
این پژوهش نشان میدهد که ترکیب دادههای تصویربرداری مغزی و آزمایشهای خونی ساده میتواند اطلاعات دقیقتری درباره میزان تهاجمیبودن بیماری در هر فرد ارائه دهد.
اماس میلیونها نفر را در سراسر جهان تحت تاثیر قرار داده است، اما رویکردهای درمانی کنونی اغلب بر اساس علائم بالینی و نه تفاوتهای زیستی بیماری تنظیم میشوند. همین موضوع باعث شده برخی بیماران درمانهایی دریافت کنند که برای شکل خاص بیماری آنها چندان موثر نیست. پژوهش تازه تلاش کرده است این شکاف را با تمرکز بر زیستشناسی زمینهای بیماری کاهش دهد.
این مطالعه به سرپرستی دانشگاه کالج لندن و با مشارکت یک شرکت تحلیلی تخصصی انجام شد و دادههای نزدیک به ۶۰۰ بیمار مبتلا به اماس را مورد بررسی قرار داد. پژوهشگران سطح پروتئینی به نام زنجیره سبک نوروفیلامنت سرمی را در خون بیماران اندازهگیری کردند؛ پروتئینی که هنگام آسیب سلولهای عصبی آزاد میشود و میتواند نشانهای از شدت فعالیت بیماری باشد. این دادهها با اسکنهای امآرآی مغز ترکیب و با استفاده از یک مدل یادگیری ماشین تحلیل شد.
نتایج که در یک نشریه معتبر پزشکی منتشر شده، دو الگوی زیستی متمایز را نشان میدهد. در زیرنوعی که «sNfL زودهنگام» نام گرفته، افزایش این پروتئین در مراحل ابتدایی بیماری دیده میشود و همزمان آسیب به بخشهایی از مغز رخ میدهد که با سرعت بالاتر ایجاد ضایعات مغزی همراه است. در مقابل، در زیرنوع «sNfL دیرهنگام» ابتدا کوچکشدن تدریجی بخشهایی از مغز مشاهده میشود و نشانههای آشکار آسیب عصبی دیرتر بروز میکند.
پژوهشگران میگویند شناسایی این تفاوتها میتواند به پزشکان کمک کند مسیر احتمالی پیشرفت بیماری را پیشبینی کرده و درمان را متناسب با خطر و نیاز هر بیمار تنظیم کنند. به این ترتیب، بیماران با شکل تهاجمیتر بیماری ممکن است زودتر تحت درمانهای قویتر و پایش دقیقتر قرار گیرند، در حالی که برای سایر بیماران رویکردهای محافظتی و آهستهتر مناسبتر باشد.
کارشناسان حوزه اماس این یافته را گامی امیدبخش در جهت درک عمیقتر این بیماری میدانند. هرچند هنوز راهی طولانی تا استفاده گسترده بالینی از این روشها باقی مانده است، اما این پژوهش نشان میدهد که آینده درمان اماس میتواند به سمت تصمیمگیریهای دقیقتر، فردمحور و مبتنی بر دادههای زیستی حرکت کند؛ مسیری که در نهایت شانس مهار پیشرفت بیماری را افزایش میدهد.
