Automatische Übersetzung anzeigen
Dies ist eine automatisch generierte Übersetzung. Wenn Sie auf den englischen Originaltext zugreifen möchten, klicken Sie hier
#Neues aus der Industrie
{{{sourceTextContent.title}}}
KI-basierter Bluttest sagt das Fortschreiten einer neurodegenerativen Krankheit voraus
{{{sourceTextContent.subTitle}}}
Das Fortschreiten einer neurodegenerativen Erkrankung verläuft langsam - möglicherweise dauert es Jahrzehnte, bis sie sich patientenspezifisch entwickelt, und kann mit anderen Alterungsprozessen zusammengeführt werden.
{{{sourceTextContent.description}}}
Darüber hinaus gibt es Lücken im Verständnis der molekularen Mechanismen dieser Krankheiten. All diese konvergierenden Faktoren machen es schwierig, den Krankheitsverlauf vorherzusagen.
Eine neue, heute veröffentlichte Studie zeigt, dass die Analyse von Blutproben durch künstliche Intelligenz (KI) zur Vorhersage des Krankheitsverlaufs eingesetzt werden kann. Forscher am Neuro (Neurologisches Institut und Krankenhaus Montreal) der McGill-Universität und am Ludmer Centre for Neuroinformatics and Mental Health verwendeten einen KI-Algorithmus, um die Blut- und postmortalen Hirnproben von Patienten mit Alzheimer und Huntington zu analysieren. Das Ziel der Forschung war es, molekulare Muster zu finden, die für diese Krankheiten spezifisch sind, was zum Teil durch den Mangel an verfügbaren Längsschnitt-Genexpressionsdaten bedingt ist.
Die Arbeit wurde in einem Artikel mit dem Titel "Blood and Brain Gene Expression Trajectories Mirror Neuropathology and Clinical Deterioration in Neurodegeneration" veröffentlicht, der in Brain erschienen ist.
Durch die Auswertung von 1.969 Probanden aus dem Spektrum der spät einsetzenden Alzheimer- und Huntington-Krankheit entwickelten die Forscher eine neue Methode, die Genexpressionsmuster in der kranken Bevölkerung aufdeckt. Sie schreiben, dass der unüberwachte Algorithmus des maschinellen Lernens "den neuropathologischen Schweregrad stark vorhersagte" Die Arbeit zeigt, dass der Algorithmus in der Lage war, zu erkennen, wie sich das Genexpressionsmuster der Patienten über Jahrzehnte hinweg verändert hat, und bietet damit die erste langfristige Sicht auf die molekularen Veränderungen, die der Neurodegeneration zugrunde liegen.
Als die AI zu Beginn der Studie auf in vivo-Blutproben angewendet wurde, stellten die Autoren fest, "dass sie eine signifikante Vorhersage der klinischen Verschlechterung und der Konversion in fortgeschrittene Krankheitsstadien ermöglichte und die Identifizierung eines minimal-invasiven (blutbasierten) Instruments für ein frühes klinisches Screening unterstützte"
"Dieser Test könnte eines Tages von Ärzten genutzt werden, um Patienten zu beurteilen und auf ihre Bedürfnisse zugeschnittene Therapien zu verschreiben", sagte Dr. Yasser Iturria-Medina, Assistenzprofessor in der Abteilung für Neurologie und Neurochirurgie am Neurozentrum und Erstautor der Studie. "Es könnte auch in klinischen Studien verwendet werden, um Patienten zu kategorisieren und besser zu bestimmen, wie experimentelle Medikamente den vorhergesagten Krankheitsverlauf beeinflussen
Dies könnte nicht nur klinisch nützlich sein, sondern die Technik ermöglicht auch die Entdeckung von Genen und molekularen Pfaden sowohl in peripheren als auch in Hirngeweben, die die Entwicklung von Krankheiten in hohem Maße vorhersagen. Die KI ist ein vielversprechendes Instrument zur Aufdeckung komplexer neuropathologischer Mechanismen, mit direkten Auswirkungen auf die Umsetzung personalisierter dynamischer Behandlungen in der Neurologie. Die Autoren stellten fest, dass "85-90% der am meisten prädiktiven molekularen Signalwege, die im Gehirn identifiziert wurden, auch die besten Prädiktoren im Blut sind. Diese Pfade unterstützen die Bedeutung der Untersuchung der peripheren Hirnachse und liefern weitere Beweise für eine Schlüsselrolle der Gefäßstruktur/-funktion und der Reaktion des Immunsystems"
Frühere Studien zur Neurodegeneration verwendeten oft statische oder "Momentaufnahmen" und sind daher in ihrer Aussagekraft über das typischerweise langsame Fortschreiten der Krankheit begrenzt. Im Gegensatz dazu deckte diese Studie die chronologische Information auf, die in groß angelegten Daten enthalten ist, indem sie den jahrzehntelangen Krankheitsverlauf abdeckte und aufzeigte, wie die Veränderungen der Genexpression in dieser Zeit mit den Veränderungen des Zustandes des Patienten zusammenhängen.
Iturria-Medina sagte, dass die nächsten Schritte die Erprobung dieser Modelle bei anderen Krankheiten wie der Parkinson-Krankheit und der amyotrophen Lateralsklerose sein werden.