07136476172 - 09172030360 info@danabrain.ir

 

 

مدل جدیدی برای بیماری آلزایمر در MIT ایجاد شده است که می تواند با نمرات آزمون شناختی پیش بینی کند که آیا بیماران در معرض ابتلا به بیماری آلزایمر خواهند بود و کاهش عملکرد شناختی در اثر بیماری را تجربه خواهند کرد؟ این مدل می تواند برای بهبود انتخاب داروهای کاندید، که تاکنون نا موفق بوده اند، استفاده شود. همچنین به بیماران این هشدار را می دهد که در ماهها و سالهای آینده، ممکن است روند کاهش سریع شناختی را تجربه کنند، بنابراین آنها و خوانواده های این افراد، می توانند آماده باشند.

شرکت های داروسازی طی دو دهه اخیر، صدها میلیارد دلار به تحقیقات آلزایمر اختصاص داده اند. با این وجود با شکست روبرو شده است: براساس گزارش سال 2018 از تحقیقات دارویی و تولید کنندگان آمریكا، بین سالهای 1998 و 2017، 146 تلاش ناموفق برای تولید دارو جهت معالجه یا پیشگیری از بیماری وجود داشته است.

در آن زمان فقط چهار دارو تصویب شده بود و تنها برای درمان علائم استفاده می شد. در حال حاضر بیش از 90 دارو در حال توسعه هستند.

مطالعات نشان می دهد که بیشترین موفقیت ورود دارو به بازار زمانی است که در مراحل اولیه بیماری آلزایمر، هنگامیکه دارو  بیشترین تاثیر را دارد، تست شوند. در مقاله ای که این هفته در کنفرانس Machine Learning for Health Health ارائه خواهد شد، محققان آزمایشگاه MIT Media یک الگوی یادگیری ماشینی را توصیف می کنند که می تواند به پزشکان کمک کند تا در این گروه خاص از شرکت کنندگان به وجود بیماری در آینده، پی ببرند.

آنها ابتدا یک مدل “جمعیت” را در کل مجموعه داده ها قرار دادند که شامل نمرات آزمون شناختی بالینی قابل توجه و سایر داده های بیومتریک از بیماران آلزایمر، و همچنین افراد سالم، جمع آوری شده بودند.

مدل از داده ها، الگوهای یادگیری را می آموزد که می تواند به پیش بینی چگونگی امتیاز دهی بیماران در تست های شناختی که بین ویزیت ها انجام می شود، کمک کند. در شرکت کنندگان جدید، مدل دوم، که برای هر بیمارشخصی است، پیش بینی نمره را به طور مداوم بر اساس داده های تازه ثبت شده، مانند اطلاعات جمع آوری شده در آخرین بازدیدها، به روز می کند.

آزمایشات نشان می دهند که پیش بینی های دقیقی می توان به دنبال 6 ، 12 ، 18 و 24 ماه آینده انجام داد. بنابراین پزشکان می توانند از این مدل برای انتخاب افراد در معرض خطر برای کارآزمایی بالینی، که احتمالاً حتی قبل از ظهور سایر علائم بالینی، نشان دهنده کاهش سریع عملکرد شناختی است، استفاده کنند.

درمان زودهنگام چنین بیمارانی ممکن است به پزشکان کمک کند تا بهتر تشخیص دهند که چه داروهایی برای این بیماران کاربرد دارند.

اوگی رودوویچ، محقق بیان می کند: “پیش بینی دقیق کاهش شناختی از شش تا 24 ماه قبل، برای طراحی آزمایشات بالینی بسیار مهم است.” 

جدا از کمک به تولید داروی مفید، هدف این است که به کاهش هزینه های آزمایشات بالینی کمک کنیم تا آنها را در مقیاس های بزرگتر، مقرون به صرفه تر انجام دهیم. “

محققان برای انجام این کار، بزرگترین مجموعه داده آزمایش کارآزمایی بالینی بیماری آلزایمر جهان را نامگذاری کردند، به نام  Neuroimaging Alzheimer یا ( ADNI) . این مجموعه داده شامل داده هایی از حدود 1700 شرکت کننده است، با و یا بدون بیماری آلزایمر، که اطلاعات آن ها طی بازدیدهای پزشکی 6 ماه یکبار، بیش از 10 سال ثبت شده است.

داده ها شامل نمرات  مقیاس شناختی  (ADAS-Cog13)، پرکاربردترین معیار شناختی برای آزمایشات بالینی داروهای بیماری آلزایمر است. این آزمون حافظه، زبان و جهت گیری را در مقیاس افزایش شدت تا 85 امتیاز ارزیابی می کند. مجموعه داده ها شامل اسکن های MRI، اطلاعات جمعیتی و ژنتیکی و اندازه گیری مایعات مغزی نیز می باشد.

در کل، محققان مدل خود را بر روی زیر گروهی از 100 شرکت کننده، که بیش از 10 ویزیت دکتر داشته اند، هر کدام با بیش از 600 ویژگی محاسبه شده، آموزش داده و آزمایش کردند. از بین این شرکت کنندگان، 48 نفر به بیماری آلزایمر مبتلا شدند. 

در مرحله بعد، محققان امیدوارند که برای پیاده سازی مدل آزمایشات بالینی آلزایمر در دنیای واقعی با شرکتهای داروسازی همکاری کنند. رودوویچ اذعان داشت: این مدل همچنین می تواند برای پیش بینی اندازه گیری های مختلف برای آلزایمر و سایر بیماری ها تعمیم یابد. 

برای اطلاعات بیشتر در زمینه بیماری آلزایمر، سایر اختلالات عصبی و روش های نوین بهبود، به موسسه سلامت مغز دانا مراجعه کنید.

منبع:

Science News

Open chat
Powered by