Agyi MRI-felvételekből jósolja meg az Alzheimer-kórt egy új mesterséges intelligencia-modell
Az Alzheimer-kór egyik legnagyobb klinikai kihívása nem a kezelés, hanem annak időzítése. Mire a beteg tünetei egyértelművé válnak, az agyi változások sokszor már évek óta zajlanak – és a betegséget módosító beavatkozások hatékonysága döntően attól függ, mikor kezdődik a terápia. Egy friss, a Neuroscience folyóiratban megjelent tanulmány erre a problémára kínál egy ígéretes megközelítést: a Worcester Polytechnic Institute kutatói olyan gépi tanulási modellt fejlesztettek, amely MRI-felvételek elemzésével közel 93 százalékos pontossággal különbözteti meg az egészséges agyat az enyhe kognitív zavarral vagy Alzheimer-kórral érintett agytól.
Mit lát a modell, amit a szem nem feltétlenül vesz észre?
A vizsgálathoz 815, a 69–84 éves korosztályból származó MRI-felvételt használtak fel, amelyeket az Alzheimer's Disease Neuroimaging Initiative (ADNI) adatbázisából nyertek. Ez az adatbázis olyan képalkotó felvételeket tartalmaz, amelyeket egészséges, enyhe kognitív zavarral élő, valamint Alzheimer-kórban szenvedő személyektől gyűjtöttek.
A modell 95 különböző agyi régió térfogatát mérte, majd ezeket az értékeket összehasonlítva mintázatokat azonosított, amelyek következetesen elkülönítik az érintett agyakat az egészségesektől. Az eredmény: 92,87 százalékos osztályozási pontosság.
Dung Trinh, a memorialcare-i MemorialCare Medical Group belgyógyásza és a Healthy Brain Clinic orvosi igazgatója, akit a Medical News Today kérdezett meg a kutatásról, ezt a teljesítményt így értékeli: az ilyen modellek olyan többrégiós strukturális mintázatokat képesek felismerni, amelyek emberi szemmel nehezen értékelhetők. Ha ezek a minták már az enyhe kognitív zavar korai szakaszában megjelennek, az eszköz elméletileg segíthet azonosítani a magasabb kockázatú pácienseket, még mielőtt a klinikai tünetek egyértelművé válnának.
Három agyi terület, amely a leghamarabb jelzi a bajt
A vizsgálat egyik legkonkrétabb hozzájárulása, hogy meghatározza azokat az agyi régiókat, ahol a térfogatvesztés a legerősebb összefüggést mutatja az Alzheimer-kór jelenlétével. Kor és nem szerint is vizsgálva, három terület emelkedett ki következetesen: a hippokampusz, az amygdala és az entorhinális kéreg.
A hippokampusz a memória és a tanulás szempontjából kulcsfontosságú: ez az a terület, amely korábban is összefüggésbe hozható volt az Alzheimer-kór korai stádiumaival. Az amygdala az érzelmi szabályozásban játszik szerepet, az entorhinális kéreg pedig a memória, a térbeli tájékozódás és az érzékelés összehangolásában vesz részt – és az egyik első terület, amelyet a betegség érint.
Különösen figyelemre méltó, hogy a legfiatalabb vizsgált korosztályban – a 69–76 évesek körében – a jobb hippokampusz térfogatcsökkenése volt a legjellemzőbb eltérés. Trinh ezt „ígéretes jelzésként" értékeli: ez a régió érzékenyen reagálhat a korai neurodegeneratív folyamatokra, még azelőtt, hogy kiterjedtebb kérgi változások alakulnának ki. Ugyanakkor hangsúlyozza, hogy egyetlen kohorszon alapuló, belső validáción átesett vizsgálatból még nem vonható le végleges következtetés.
A nem, mint biológiai változó
A tanulmány egy kevésbé tárgyalt, de klinikailag is releváns megfigyelést is tartalmaz: a betegség által érintett agyi területek részben eltérnek a két nemnél.
Nőknél a bal középső temporális kéreg sorvadása volt kiemelkedőbb – ez a terület a nyelvi és vizuális feldolgozásban játszik szerepet. Férfiaknál ezzel szemben a jobb entorhinális kéreg mutatott látványosabb változásokat. A kutatók ezt részben hormonális tényezőkkel hozzák összefüggésbe: a menopauza utáni ösztrogénszint-csökkenés, illetve a tesztoszteronszint változása korábbi vizsgálatokban is megjelent Alzheimer-kockázati tényezőként.
Trinh óvatosságra int: ezek a hormonális és genetikai tényezők – köztük az APOE-e4 genetikai variáns és a neuroinflammatorikus folyamatok – a tanulmányban nem kerültek közvetlen mérésre, így inkább lehetséges magyarázatoknak tekinthetők, nem bizonyított okoknak. A nemek közötti különbség mindazonáltal klinikai szempontból sem közömbös: ha az Alzheimer-kór nőknél és férfiaknál eltérő agyi területeken manifesztálódik először, ez befolyásolhatja mind a korai biomarkerek kiválasztását, mind a szűrési protokollokat.
Ígéretes eredmény, de nem klinikai felhasználásra kész eszköz
A kutatás legfontosabb korlátja, amelyet maga Trinh is hangsúlyoz: az eredmények egyetlen adatbázison, belső validációval születtek. Ahhoz, hogy egy ilyen eszköz valóban beépülhessen a klinikai gyakorlatba, nagyobb és sokszínűbb populációkon kellene igazolni, hogy a modell valódi előrejelző erővel rendelkezik – nem csupán egy adott kohorszon belül osztályoz jól.
Emellett az MRI-alapú strukturális elemzés önmagában valószínűleg nem lesz elegendő. Trinh szerint a jövőbeli klinikai hasznosíthatósághoz az agyi képalkotást más biomarkerekkel kellene kombinálni: amiloid- és tau-fehérjék mérésével, vérből vett biomarkerekkel, genetikai profilozással és longitudinális követéssel – hogy ne csak az aktuális állapot osztályozása váljon lehetővé, hanem a jövőbeli progresszió előrejelzése is.
A kutatócsapat további tervei között szerepel a modellek fejlesztése mélyebb tanulási megközelítésekkel, valamint az Alzheimer-kockázatot befolyásoló társbetegségek – köztük a cukorbetegség – vizsgálata is.
Összegzés
A Worcester Polytechnic Institute kutatásának eredménye jól illeszkedik abba a szélesebb törekvésbe, amely az Alzheimer-kór korai diagnosztikáját próbálja meg algoritmikus eszközökkel támogatni. A közel 93 százalékos osztályozási pontosság önmagában is figyelemre méltó szám – különösen, ha figyelembe vesszük, hogy a modell olyan korai szakaszban azonosít strukturális mintázatokat, amelyek klinikai tünetekkel még nem feltétlenül járnak együtt.
A valódi kérdés most az, hogy ezek az eredmények hogyan reprodukálhatók nagyobb, heterogénebb populációkon, és hogy az MRI-alapú modell miként illeszthető be egy átfogóbb, multimodális diagnosztikai keretrendszerbe. Ha ez a lépés sikerül, az eszköz elméletileg azt is lehetővé teheti, hogy a betegséget módosító terápiák – amelyek hatékonysága az időzítésen múlik – korábban és célzottabban juthassanak el azokhoz, akiknek a legnagyobb szükségük van rájuk.
Forrás: Medicalnewstoday.com