Egy vérvétel, négy diagnózis: mesterséges intelligencia a demencia felismerésében

A demencia diagnózisa ma is komoly kihívás elé állítja a klinikusokat. Az Alzheimer-kór, a Parkinson-kór, a frontotemporális demencia és a Lewy-testes demencia tünetei jelentősen átfednek egymással – ráadásul ezek a betegségek az esetek egy részében egyszerre is jelen vannak ugyanabban a betegben. A Washington University School of Medicine kutatói most olyan mesterséges intelligencia alapú vértesztet fejlesztettek, amely egyetlen vérvételből képes megkülönböztetni ezt a négy betegséget egymástól és az egészséges öregedéstől – 92,3%-os összesített pontossággal. Az eredmények az Alzheimer's & Dementia folyóiratban jelentek meg.

A diagnózis mai korlátai

A demenciával élő betegek jelentős hányada soha nem kap pontos diagnózist. Ennek egyik fő oka, hogy a neurodegeneratív betegségek klinikai képe sokszor egymásba folyik: egy Parkinson-kóros betegnél évekkel később demencia alakulhat ki, miközben az agyszöveti vizsgálat Alzheimer-típusú elváltozásokat is mutat. A jelenlegi diagnosztikai eszközök – képalkotó vizsgálatok, gerincfolyadék-elemzés – vagy költségesek és invazívak, vagy nem alkalmasak az egyidejű patológiák felismerésére.

„Jelenleg sok beteg egyetlen diagnózist kap – mondjuk Alzheimer-kórt vagy Parkinson-kórt –, miközben az agyában valójában többféle károsodás is jelen van egyszerre. A jelenlegi eszközök egyszerűen nem erre lettek tervezve" – fogalmazott Carlos Cruchaga, a vizsgálat vezető szerzője.

A módszer: 15 fehérje, több ezer beteg, egy algoritmus

A kutatócsoport 15 vérből mérhető fehérjét azonosított, amelyek együttesen tükrözik az agy neurodegeneratív folyamatait. A panel az Alzheimer-patológia jól ismert markerei mellett a szinapsziskárosodással, idegsejtpusztulással és gyulladással összefüggő fehérjéket is tartalmaz.

Az AI-osztályozót több mint 3200 személy vérfehérje-adatain tanították be és tesztelték, akik között Alzheimer-, Parkinson-, frontotemporális demencia- és Lewy-testes demencia-diagnózissal rendelkező betegek, valamint kognitívan ép kontrollszemélyek egyaránt szerepeltek. A modell teljesítményét ezt követően egy külön, 225 fős validációs csoporton ellenőrizték – olyan személyeken, akiket életükben kognitív vizsgálatoknak vetettek alá, és akiknek agyát haláluk után boncolással is megvizsgálták. Ez az utóbbi elem különösen értékes: lehetővé tette, hogy a modell előrejelzéseit a tényleges agyszöveti elváltozásokkal közvetlenül össze lehessen vetni.

Az eredmények: pontosság és kevert patológia

Az összesített diagnosztikai pontosság 92,3% volt az egyértelmű, egydiagnózisos esetekben. Ennél is figyelemreméltóbb a modell teljesítménye a bizonytalan vagy kevert esetekben:

• Enyhe kognitív zavarban szenvedő betegeknél a modell Alzheimer-valószínűségi becslése szorosan korrelált az autopsziánál talált amiloidplakk-teherrel – azokkal a fehérjecsomókkal, amelyek kulcsszerepet játszanak a kognitív hanyatlásban.
• Parkinson-kórral diagnosztizált betegeknél, akiknél életük során demencia is kialakult, a modell Alzheimer-típusú biológiai eltéréseket azonosított – olyan kevert patológiát, amelyet a klinikai értékelés önmagában nem tudott volna kimutatni.

Ez az eredmény azért különösen fontos, mert a klinikai gyakorlatban pontosan ezek a „nehéz esetek" okozzák a legtöbb diagnosztikai bizonytalanságot és terápiás késedelmet.

Mit jelent ez a klinikai és kutatási gyakorlatban?

1. A diagnosztika új logikája: nem igen/nem, hanem profil

A hagyományos biomarker-alapú tesztek binárisan működnek: jelen van-e az adott patológia, vagy nincs. Ez a modell ezzel szemben egyszerre több betegség valószínűségét becsli meg, és képes a kevert patológia felismerésére is. Ez szemléletváltást jelent: a demencia diagnosztikája a jövőben nem egyetlen betegség kizárásáról szólhat, hanem egy komplex neurológiai profil feltérképezéséről.

2. Korai felismerés és személyre szabott terápia

Egy megbízható, minimálisan invazív vérteszt lehetővé tenné, hogy a kezelőorvos már a korai tünetek megjelenésekor eldöntse, melyik specialistához irányítsa a beteget, milyen további vizsgálatokra van szükség, és milyen megelőző vagy terápiás stratégia a legígéretesebb. A teszt folyamatos betegkövetésre is alkalmas lehet – nem csak egyszeri diagnosztikára.

3. Klinikai vizsgálatok hatékonyabb tervezése

A kutatási felhasználás sem elhanyagolható: a jelenlegi klinikai vizsgálatokat rendre nehezíti, hogy a bevont betegek agyi patológiája nem mindig felel meg a klinikai diagnózisnak. Egy vérből elvégezhető, megbízható osztályozó drámaian felgyorsíthatná a megfelelő betegek azonosítását, és skálázhatóvá tenné az olyan nagy populációs vizsgálatokat, amelyek elvégzése PET-vizsgálatokkal vagy liquoranalízissel ma még nem reális.

Mikor kerülhet a klinikumba?

A teszt egyelőre nem áll készen a klinikai alkalmazásra. A kutatók hangsúlyozzák, hogy nagyobb és sokszínűbb populációkon végzett validáció szükséges az általánosíthatóság igazolásához, és prospektív, hosszú követési idejű vizsgálatokra lesz szükség ahhoz, hogy megállapítsák: a modell mennyire alkalmas a betegség progressziójának előrejelzésére és a terápiás döntések támogatására.

Mindez azt jelenti, hogy a klinikai bevezetés még éveket vesz igénybe. Az eredmények azonban meggyőző bizonyítékot szolgáltatnak arra, hogy a vérből nyerhető fehérjeprofil – mesterséges intelligenciával elemezve – valódi ablakot nyithat az agy neurodegeneratív folyamataira. Ez az irány nem csupán a demencia diagnosztikáját alakíthatja át, hanem a precíziós neurológia szélesebb körű elterjedéséhez is hozzájárulhat.

Forrás: Medicalxpress.com