Επιστημονικά Νέα

Πολλαπλή σκλήρυνση τεχνητή νοημοσύνη: Η τεχνητή νοημοσύνη «κλειδί» για την πολλαπλή σκλήρυνση

Πολλαπλή σκλήρυνση τεχνητή νοημοσύνη: Η τεχνητή νοημοσύνη «κλειδί» για την πολλαπλή σκλήρυνση
Νέοι υπότυποι πολλαπλής σκλήρυνσης που προσδιορίζονται χρησιμοποιώντας τεχνητή νοημοσύνη

Your browser does not support the video tag. https://grx-obj.adman.gr/grx/creatives/sanofi/20876/better-understanding-insulin.mp4

Πολλαπλή σκλήρυνση τεχνητή νοημοσύνη: Οι επιστήμονες στο UCL έχουν χρησιμοποιήσει τεχνητή νοημοσύνη (AI) για να εντοπίσουν τρεις νέους υποτύπους πολλαπλής σκλήρυνσης (MS). Οι ερευνητές λένε ότι τα πρωτοποριακά ευρήματα θα βοηθήσουν στον εντοπισμό αυτών των ανθρώπων που είναι πιο πιθανό να έχουν πρόοδο της νόσου και θα βοηθήσουν να στοχεύσουν τις θεραπείες πιο αποτελεσματικά. Η σκλήρυνση κατά πλάκας επηρεάζει πάνω από 2,8 εκατομμύρια ανθρώπους παγκοσμίως και 130.000 στο Ηνωμένο Βασίλειο και ταξινομείται σε τέσσερα «μαθήματα» (ομάδες), τα οποία ορίζονται είτε υποτροπιάζοντα είτε προοδευτικά. Οι ασθενείς κατηγοριοποιούνται από ένα μείγμα κλινικών παρατηρήσεων, υποβοηθούμενης από εικόνες μαγνητικής τομογραφίας και συμπτωμάτων ασθενών. Αυτές οι παρατηρήσεις καθοδηγούν το χρόνο και την επιλογή της θεραπείας.

Για αυτήν τη μελέτη, που δημοσιεύθηκε στο Nature Communications, οι ερευνητές ήθελαν να μάθουν αν υπήρχαν –ακόμη και μη αναγνωρισμένα– μοτίβα στις εικόνες του εγκεφάλου, τα οποία θα καθοδηγούσαν καλύτερα την επιλογή θεραπείας και θα εντοπίζουν τους ασθενείς που θα ανταποκρίνονται καλύτερα σε μια συγκεκριμένη θεραπεία. Εξηγώντας την έρευνα, ο επικεφαλής συγγραφέας Dr. Arman Eshaghi (UCL Queen Square Institute of Neurology) δήλωσε: “Επί του παρόντος, η σκλήρυνση κατά πλάκας ταξινομείται ευρέως σε προοδευτικές και υποτροπιάζουσες ομάδες, οι οποίες βασίζονται σε συμπτώματα ασθενών. Δεν βασίζεται άμεσα στην υποκείμενη βιολογία του ασθένεια, και ως εκ τούτου δεν μπορούν να βοηθήσουν τους γιατρούς να επιλέξουν τη σωστή θεραπεία για τους σωστούς ασθενείς.

“Εδώ, χρησιμοποιήσαμε τεχνητή νοημοσύνη και θέσαμε την ερώτηση: μπορεί η AI να βρει υποτύπους MS που ακολουθούν ένα συγκεκριμένο μοτίβο στις εικόνες του εγκεφάλου; Η AI μας έχει αποκαλύψει τρεις υποτύπους MS που βασίζονται σε δεδομένα και καθορίζονται από παθολογικές ανωμαλίες που παρατηρούνται στις εικόνες του εγκεφάλου”. Σε αυτήν τη μελέτη, οι ερευνητές εφάρμοσαν το εργαλείο τεχνητής νοημοσύνης που αναπτύχθηκε από UCL, το SuStaIn (Subtype and Stage Inference), στις σαρώσεις εγκεφάλου MRI 6.322 ασθενών με MS. Το μη εποπτευόμενο SuStaIn εκπαιδεύτηκε και εντόπισε τρία (προηγουμένως άγνωστα) μοτίβα. Οι νέοι υποτύποι MS ορίστηκαν ως «φλοιός-οδηγημένος», «κανονική εμφάνιση λευκής ύλης-οδηγημένος» και «βλάβη-οδηγημένος». Αυτοί οι ορισμοί σχετίζονται με τις πρώτες ανωμαλίες που παρατηρούνται στις σαρώσεις MRI σε κάθε μοτίβο.

Μόλις το SuStaIn είχε ολοκληρώσει την ανάλυσή του στο σύνολο δεδομένων MRI εκπαίδευσης, «κλειδώθηκε» και στη συνέχεια χρησιμοποιήθηκε για την αναγνώριση των τριών υποτύπων σε μια ξεχωριστή ανεξάρτητη ομάδα 3.068 ασθενών, επικυρώνοντας έτσι την ικανότητά του να ανιχνεύει τους νέους υποτύπους MS. Ο Δρ Eshaghi πρόσθεσε: «Κάναμε μια περαιτέρω αναδρομική ανάλυση των αρχείων ασθενών για να δούμε πώς τα άτομα με τους πρόσφατα αναγνωρισμένους υποτύπους MS ανταποκρίθηκαν σε διάφορες θεραπείες. Ενώ απαιτούνται περαιτέρω κλινικές μελέτες, υπήρχε μια σαφής διαφορά, ανά υποτύπο, στην ανταπόκριση των ασθενών σε διαφορετικές θεραπείες και στη συσσώρευση αναπηρίας με την πάροδο του χρόνου. Αυτό είναι ένα σημαντικό βήμα προς την πρόβλεψη μεμονωμένων απαντήσεων στις θεραπείες”.