Ένας αλγόριθμος είναι πλέον σε θέση να διαγνώσει τη νόσο Αλτσχάιμερ από μία μόνο σάρωση εγκεφάλου, η μοντελοποίηση μπορεί να διαγνώσει ακόμη και άτομα σε πρώιμο στάδιο της νόσου, πράγμα που συνήθως αποτελεί δύσκολο έργο, σύμφωνα με βρετανική μελέτη.
«Επί του παρόντος καμία άλλη απλή και ευρέως διαθέσιμη μέθοδος δεν μπορεί να προβλέψει τη νόσο Αλτσχάιμερ με αυτό το επίπεδο ακρίβειας, οπότε η έρευνά μας αποτελεί σημαντικό βήμα προς τα εμπρός», δήλωσε ο επικεφαλής ερευνητής καθηγητής Έρικ Αμποάγκι (Prof. Eric Aboagye) σε δελτίο τύπου.
Η μελέτη της 20ής Ιουνίου που δημοσιεύθηκε στο Nature διαπίστωσε ότι ένας αλγόριθμος μηχανικής μάθησης μαγνητικής τομογραφίας μπορεί να προβλέψει αν ένα άτομο έχει ή όχι Αλτσχάιμερ με ακρίβεια 98%. Η μοντελοποίηση μπορεί επίσης να διαφοροποιήσει μεταξύ ενός ασθενούς με Αλτσχάιμερ σε πρώιμο και όψιμο στάδιο με δίκαιη ακρίβεια 79 τοις εκατό.
Η μοντελοποίηση θα μπορούσε να επιτευχθεί σε ένα τυπικό μηχάνημα 1,5 Tesla, το οποίο βρίσκεται συνήθως στα περισσότερα νοσοκομεία.
Επί του παρόντος, για να διαγνωστεί κάποιος με Αλτσχάιμερ, πρέπει να γίνουν πολλές εξετάσεις, όπως μαγνητική ή αξονική τομογραφία, γνωστικές εξετάσεις, εξετάσεις αίματος, καθώς και εξετάσεις για την αναζήτηση βιοδεικτών ή χαρακτηριστικών της νόσου.
Ωστόσο, όλες οι εξετάσεις έχουν περιορισμένη ακρίβεια από μόνες τους και χρειάζονται πρόσθετες εξετάσεις για να τις υποστηρίξουν. Μια μελέτη του 2017 σχετικά με τα δεδομένα βιοδεικτών καθόρισε ότι είχαν ακρίβεια 77% για τη διάγνωση του Αλτσχάιμερ, ενώ μια μελέτη του 2021 διαπίστωσε ότι η μαγνητική τομογραφία μπορεί να χάσει έως και το 20% των περιπτώσεων και μπορεί να προβλέψει εσφαλμένα τουλάχιστον το 50% των περιπτώσεων για την έγκαιρη διάγνωση.
«Πολλοί ασθενείς που παρουσιάζονται με Αλτσχάιμερ στις κλινικές για τη μνήμη έχουν και άλλες νευρολογικές παθήσεις, αλλά ακόμη και μέσα σε αυτή την ομάδα το σύστημά μας μπορούσε να ξεχωρίσει τους ασθενείς που είχαν Αλτσχάιμερ από εκείνους που δεν είχαν», δήλωσε ο Αμποάγκι.
Η μοντελοποίηση έγινε με την προσαρμογή ενός αλγορίθμου που χρησιμοποιείται στην ταξινόμηση καρκινικών όγκων. Οι ερευνητές χώρισαν τον εγκέφαλο σε 115 περιοχές και διέθεσαν 660 διαφορετικά χαρακτηριστικά, όπως το μέγεθος, το σχήμα και η υφή. Στη συνέχεια εκπαιδεύτηκε να αναγνωρίζει αυτά τα χαρακτηριστικά για να προβλέπει με ακρίβεια την παρουσία της νόσου Αλτσχάιμερ.
Οι ερευνητές διαπίστωσαν ότι ο αλγόριθμος εντόπισε χαρακτηριστικά που προηγουμένως δεν είχαν συσχετιστεί με τη νόσο Αλτσχάιμερ, όπως η παρεγκεφαλίδα -το τμήμα του εγκεφάλου που διατηρεί τη στάση ισορροπίας- και ο κοιλιακός διεγκέφαλος που συνδέεται με τις αισθητηριακές και κινητικές λειτουργίες και τους κύκλους ύπνου-αφύπνισης.
Τα ευρήματα αυτά ανοίγουν επίσης δυνητικά νέους τομείς για την έρευνα αυτών των περιοχών και των συνδέσεών τους με τη νόσο Αλτσχάιμερ.
Δεδομένου ότι διαφορετικά χαρακτηριστικά είναι παρόντα σε διαφορετικά στάδια και ότι ορισμένοι άνθρωποι που πάσχουν από τη νόσο Αλτσχάιμερ μπορεί να έχουν και άλλες ασθένειες, όπως η νόσος του Πάρκινσον, η μετωποκροταφική άνοια κ.ο.κ. Ως εκ τούτου, ο αλγόριθμος περνά από δύο γύρους χρησιμοποιώντας δύο διαφορετικά σύνολα κριτηρίων.
Τα δύο σύνολα κριτηρίων ονομάζονται Alzheimer’s Predictive Vector 1 (ApV1) (Διάνυσμα πρόβλεψης Αλτσχάιμερ 1) και Alzheimer’s Predictive Vector 2 (ApV2) (Διάνυσμα πρόβλεψης Αλτσχάιμερ 2).
Το ApV1 χρησιμοποιείται στον πρώτο γύρο για την αναγνώριση των ασθενών με Αλτσχάιμερ από εκείνους που δεν πάσχουν. Ο αλγόριθμος εξετάζει 20 χαρακτηριστικά σε 14 περιοχές του εγκεφάλου από τα 656 χαρακτηριστικά. Ενσωματώνει επίσης τις γνωστικές βαθμολογίες και την παρουσία 19 χαρακτηριστικών της νόσου Αλτσχάιμερ μεταξύ 12 περιοχών.
Εάν ένα άτομο εντοπιστεί με νόσο Αλτσχάιμερ, στη συνέχεια θα σαρώνεται από τον αλγόριθμο ApV2, ο οποίος διαχωρίζει τους ασθενείς σε πρώιμο και προχωρημένο στάδιο της νόσου. Ο ApV2 αντλεί 8 χαρακτηριστικά και ενσωματώνει τις γνωστικές βαθμολογίες με την παρουσία 19 χαρακτηριστικών της νόσου του Alzheimer.
Ο σύμβουλος νευρολόγος Δρ Παρές Μαλχότρα (Dr. Paresh Malhotra) δήλωσε ότι αυτός ο νέος αλγόριθμος μπορεί να βοηθήσει στον εντοπισμό χαρακτηριστικών που δεν είναι ορατά, ακόμη και στους ειδικούς.
«Η χρήση ενός αλγορίθμου που είναι σε θέση να επιλέγει την υφή και τα λεπτά δομικά χαρακτηριστικά του εγκεφάλου που επηρεάζονται από τη νόσο Αλτσχάιμερ θα μπορούσε πραγματικά να βελτιώσει τις πληροφορίες που μπορούμε να αποκτήσουμε από τις συνήθεις τεχνικές απεικόνισης», δήλωσε στο δελτίο τύπου.
