امیدها برای درمان MS

به گزارش پایگاه علمی خبری دانه، کمی پیش‌تر در نشریه پزشکی (Brain) نتایج یک پژوهش راجع‌به بیماری MS منتشر شد. نتایج گویای آن است که دانشمندان با کمک هوش مصنوعی موفق به شناسایی دو زیرگونه جدید از MS شدند. این کشف می‌تواند راه را برای درمان‌های شخصی‌سازی‌شده و بهبود نتایج درمانی بیماران هموار کند.

حال روزنامه گاردین در این درباره می‌نویسد: “میلیون‌ها نفر در سراسر جهان به این بیماری مبتلا هستند، اما در حال حاضر درمان‌ها اغلب بر اساس علائم انتخاب می‌شوند و چون زیست‌شناسی زمینه‌ای هر بیمار را هدف نمی‌گیرند، ممکن است اثربخشی لازم را نداشته باشند.

اکنون پژوهشگران با استفاده از هوش مصنوعی، یک آزمایش خون ساده و اسکن‌های MRI، دو الگوی زیستی جدید از MS  شناسایی کردند. کارشناسان این پیشرفت «هیجان‌انگیز» را عاملی برای ایجاد تحول در درمان MS  در سراسر جهان می‌دانند.”

این پژوهش به رهبری دانشگاه کالج لندن (UCL) و (Queen Square Analytics) انجام شد و طی آن روی 600 بیمار مطالعه شد. در واقع پژوهشگران در مطالعه خود سطح خونی پروتئینی خاص به نام (serum neurofilament light chain-sNfL) را بررسی کردند. این پروتئین می‌تواند میزان آسیب سلول‌های عصبی و سطح فعالیت بیماری را نشان دهد.

نتایج (sNfL) و اسکن‌های مغزی بیماران با یک هوش مصنوعی به نام (SuStaIn) تحلیل شد. داده‌های به دست آمده نشان از شناسایی دو نوع متمایز از MS یعنی (early sNfL) و (late sNfL) دارد. در زیرگونه اول، بیماران در مراحل ابتدایی بیماری سطح بالایی از (sNfL) داشتند و آسیب قابل مشاهده‌ای در بخشی از مغز به نام (corpus callosum) دیده می‌شد. همچنین ضایعات مغزی در آن‌ها به‌سرعت ایجاد می‌شد. به گفته دانشمندان، این نوع تهاجمی‌تر و فعال‌تر است. در زیرگونه دوم، پیش از افزایش سطح (sNfL)، کوچک شدن مغز در نواحی‌ای مانند (limbic cortex) و (deep grey matter) مشاهده می‌شد. این نوع سیر کندتری دارد و آسیب‌های آشکار در مراحل بعدی بروز می‌کند.

پژوهشگران می‌گویند این کشف به پزشکان کمک می‌کند دقیق‌تر تشخیص دهند کدام بیمار در معرض خطر بالاتری از عوارض مختلف است و در نتیجه، مسیر را برای مراقبت‌های شخصی‌سازی‌شده هموار می‌کند.

دکتر آرمان اسحاقی، نویسنده اصلی این مطالعه در گفتگو با روزنامه گاردین می‌گوید:  ” MS یک بیماری واحد نیست و زیرگونه‌های فعلی نمی‌توانند تغییرات بافتی زمینه‌ای را که برای درمان به دانستن آن‌ها نیاز داریم، توصیف کنند.

با استفاده از یک مدل هوش مصنوعی در کنار یک نشانگر خونی در دسترس و MRI، برای نخستین بار توانستیم دو الگوی زیستی روشن از MS را نشان دهیم. این موضوع به پزشکان کمک می‌کند بفهمند هر فرد در کجای مسیر بیماری قرار دارد و چه کسی به پایش دقیق‌تر یا درمان زودهنگام و هدفمند نیاز دارد.”

بنا به گفته‌های دکتر آرمان اسحاقی، در آینده اگر ابزار هوش مصنوعی نشان دهد بیماری فرد از نوع (early sNfL) است، ممکن است واجد شرایط دریافت درمان‌هایی با اثربخشی بالاتر شود و تحت نظارت دقیق‌تری قرار بگیرد. در مقابل، برای بیماران دارای (late sNfL) می‌توان انواع متفاوتی از درمان‌ها از جمله درمان‌های شخصی‌سازی‌شده برای محافظت از سلول‌های مغزی یا نورون‌ها در نظر گرفت.

دکتر آرمان اسحاقی می‌گوید: نوآوری‌ها از دو است خواهد بود؛ نخست، با کمک الگوریتم‌های هوش مصنوعی می‌توان تحول در معاینات بالینی و نورولوژیک ایجاد کرد که قرن‌هاست تغییر چندانی نکرده‌است؛ دوم، می‌توان بر اساس پروفایل بیماری درمان‌های شخصی‌سازی‌شده برای بیماران ارائه کرد.