Μπορεί μελλοντικά να χρησιμοποιηθεί για την προσαρμογή της θεραπείας πριν αλλάξει η κατάσταση των ασθενών.
Ένα εργαλείο βασισμένο στην τεχνητή νοημοσύνη, με το οποίο μπορούν να προβλέπουν πως θα εξελιχθεί η σκλήρυνση κατά πλάκας (ή πολλαπλή σκλήρυνση) στους πάσχοντες από τη νόσο, ανέπτυξαν ευρωπαίοι επιστήμονες.
Οι ερευνητές παρακολούθησαν επί δύο χρόνια 322 ασθενείς και 98 υγιείς συνομηλίκους τους. Στο πλαίσιο της μελέτης, αξιολογούσαν την υγεία των εθελοντών τους με ειδικές κλινικές και νοητικές κλίμακες (εργαλεία). Τους υπέβαλλαν επίσης σε απεικονιστικές εξετάσεις (λ.χ. μαγνητική τομογραφία εγκεφάλου) και σε εξειδικευμένες γενετικές και αιματολογικές αναλύσεις.
Τα στοιχεία που συνέλλεξαν επαληθεύτηκαν στη συνέχεια σε ομάδα 271 άλλων πασχόντων από πολλαπλή σκλήρυνση. Τέλος, χρησιμοποίησαν τα στοιχεία τους για να δημιουργήσουν ένα σύστημα τεχνητής νοημοσύνης, το οποίο μπορεί να προβλέπει με μεγάλη ακρίβεια κυρίως:
- Ποιοι ασθενείς θα παρουσιάσουν αλλαγή στην νόσο τους
- Ποιοι θα χρειασθεί να αλλάξουν θεραπεία, ώστε να λάβουν πιο αποτελεσματικά φάρμακα
Εμπόδια στην εξατομικευμένη θεραπεία
Το όλο εγχείρημα περιγράφεται αναλυτικά στην ιατρική επιθεώρηση Journal of Neurology. Στην ανάπτυξη του ερευνητικού (πειραματικού) συστήματος συμμετείχαν επιστήμονες από το Πανεπιστημιακό Νοσοκομείο del Mar της Βαρκελώνης και άλλα ευρωπαϊκά ακαδημαϊκά κέντρα.
Όπως εξηγούν οι επιστήμονες στο άρθρο τους, η εξατομικευμένη θεραπεία για την πολλαπλή σκλήρυνση «σκοντάφτει» σε αρκετά προβλήματα. Κατ’ αρχάς, δεν έχουν πλήρη γνώση των βιολογικών διεργασιών που ευθύνονται για την ασθένεια. Επιπλέον, δεν διαθέτουν ακόμα επαρκώς τεκμηριωμένους προγνωστικούς βιοδείκτες (π.χ. ουσίες στο αίμα). Και τρίτον, υπάρχει μεγάλη ετερογένεια στα συμπτώματα που εκδηλώνουν οι ασθενείς.
Μοιραία λοιπόν, οι αποφάσεις που λαμβάνουν οι γιατροί για τη θεραπεία βασίζονται κυρίως σε πιο γενικές παραμέτρους, όπως αυτές έχουν τεκμηριωθεί μέσα από την ιατρική έρευνα. Τέτοιου είδους παράμετροι είναι:
- Ο τύπος της ασθένειας (π.χ. υποτροπιάζουσα διαλείπουσα ή προοδευτικά εξελισσόμενη)
- Η ηλικία (ένα ορόσημο είναι τα περίπου 45 έτη)
- Οι βλάβες που βλέπουν στο κεντρικό νευρικό σύστημα (εγκέφαλος, νωτιαίος μυελός) των ασθενών τους κ.λπ.
Εξελιγμένες αναλύσεις
Στην παρούσα μελέτη οι ερευνητές θέλησαν να βρουν κάποιους αλγορίθμους, οι οποίοι να αξιολογούν πιο εξατομικευμένα τους ασθενείς. Για τον σκοπό αυτό συνδύασαν τα κλινικά δεδομένα (π.χ. τα συμπτώματα των ασθενών) με τα δεδομένα των διαγνωστικών, νευροαπεικονιστικών εξετάσεων (π.χ. μαγνητική τομογραφία) και τις εξελιγμένες ομικές τεχνολογίες.
Αυτές είναι υψηλού επιπέδου τεχνολογίες που αναλύουν λεπτομερώς τα μόρια τα οποία συνθέτουν τα κύτταρα των ζωντανών οργανισμών. Οι ερευνητές χρησιμοποίησαν λ.χ.:
- Την γονιδιωματική (genomics) για να αναλύσουν το DNA των ασθενών
- Την πρωτεομική (proteomics) για να αναλύσουν τις πρωτεΐνες τους
«Η εργασία μας υποδηλώνει ότι μέσω της λεπτομερούς μελέτης των ασθενών και με τη βοήθεια της τεχνητής νοημοσύνης, μπορούμε να βρούμε ποιοι θα έχουν πιο ενεργή νόσο», εξήγησε ο νευρολόγος Dr. Pablo Villoslada, διευθυντής του Προγράμματος Νευροεπιστημών στο Ερευνητικό Ινστιτούτο του del Mar. «Έτσι, μπορούμε να τους συστήσουμε με περισσότερη βεβαιότητα, λ.χ., θεραπείες οι οποίες θα μπορούσαν να έχουν περισσότερες ανεπιθύμητες ενέργειες, αλλά θα είναι πιο αποτελεσματικές στον έλεγχο της ασθενείας τους».
Συνεχίζεται η παρακολούθηση
Ο Dr. Villoslada διευκρίνισε πως το νέο σύστημα δεν μπορεί ακόμα να χρησιμοποιηθεί στην καθημερινή κλινιή πράξη. Οι γιατροί που παρακολουθούν ασθενείς, όμως, μπορούν να έχουν πρόσβαση στα έως τώρα αποτελέσματα και να τα αξιοποιήσουν.
Σύμφωνα με τη μελέτη, ο συνδυασμός των κλινικών δεδομένων με τις πληροφορίες από τις απεικονιστικές εξετάσεις συμβάλλει περισσότερο στην πρόβλεψη της εξέλιξης των ασθενών.
Οι ερευνητές συνεχίζουν την παρακολούθηση των ασθενών τους για να συλλέξουν δεδομένα έως τα 7 χρόνια από την έναρξή της. Το γεγονός αυτό είναι σημαντικό, δεδομένου ότι οι περισσότεροι ασθενείς με πολλαπλή σκλήρυνση είναι κάτω των 40 ετών και έχουν μπροστά τους τουλάχιστον άλλες τρεις δεκαετίες ζωής.
Φωτογραφία: iStock
