Исследователи разработали инструмент ИИ, который может обнаруживать признаки болезни Паркинсона в образцах крови пациентов за 15 лет до появления симптомов. Инструмент использует машинное обучение для анализа комбинаций метаболитов в организме, выявляя уникальные маркеры, которые могут сигнализировать о начале болезни Паркинсона. Хотя необходимы проверочные исследования, инструмент смог предсказать болезнь Паркинсона с точностью до 96% в ограниченной когорте исследования.
Ученые из Университета Нового Южного Уэльса (University of New South Wales) в Сиднее с сотрудниками из Бостонского университета (Boston University) разработали инструмент, который обещает раннее обнаружение болезни Паркинсона за годы до появления первых симптомов.
В исследовании, опубликованном в научном журнале ACS Central Science, ученые описали, как они использовали нейронные сети для анализа биомаркеров в жидкостях организма пациентов.
Исследователи изучили образцы крови, взятые у здоровых людей, собранные в рамках Испано-европейского проспективного исследования рака и питания (EPIC).
Сосредоточившись на 39 пациентах, у которых болезнь Паркинсона развилась 15 лет спустя, команда ученых запустила свою программу машинного обучения с наборами данных, содержащими обширную информацию о метаболитах — химических соединениях, которые организм создает при расщеплении пищи, лекарственных препаратов или химических веществ.
После сравнения этих метаболитов с метаболитами 39 пациентов контрольной группы — людей в том же исследовании, у которых не развилась болезнь Паркинсона — команда ученых смогла определить уникальные комбинации метаболитов, которые могут предотвратить или потенциально быть ранними предупреждающими признаками болезни Паркинсона.
Исследователи из Университета Нового Южного Уэльса Дайана Чжан (Diana Zhang) и Александр Дональд (Alexander Donald) разработали инструмент машинного обучения под названием CRANK-MS.
«Поэтому, чтобы выяснить, какие метаболиты более значимы для заболевания по сравнению с контрольными группами, исследователи обычно рассматривают корреляции с участием конкретных молекул. Но здесь мы принимаем во внимание, что метаболиты могут иметь ассоциации с другими метаболитами, и именно здесь вступает в действие машинное обучение. С сотнями и тысячами метаболитов мы использовали вычислительную мощность, чтобы понять, что происходит».
«Обычно исследователи, использующие машинное обучение для изучения корреляций между метаболитами и болезнями, сначала уменьшают количество химических признаков, прежде чем вводить их в алгоритм», — объясняет автор исследования.
«Но здесь мы загружаем всю информацию в CRANK-MS без сокращения данных с самого начала. И исходя из этого, мы можем получить прогноз модели и определить, какие метаболиты больше всего влияют на прогноз, и все это за один шаг. Это означает, что если есть метаболиты, которые потенциально могли быть пропущены при использовании традиционных подходов, теперь мы можем их обнаружить».
В настоящее время болезнь Паркинсона диагностируют, наблюдая физические симптомы, такие как тремор рук в состоянии покоя. Нет ни крови, ни лабораторных анализов для диагностики негенетических случаев.
Но нетипичные симптомы, такие как нарушение сна и апатия, могут проявляться у людей с болезнью Паркинсона за несколько десятилетий до того, как появятся двигательные симптомы. Таким образом, CRANK-MS можно использовать при первых признаках этих атипичных симптомов, чтобы исключить риск развития болезни Паркинсона в будущем.
Тем не менее, ученые подчеркивают, что необходимы валидационные исследования с использованием гораздо более крупных когорт и их проведение в нескольких частях земного шара, прежде чем инструмент можно будет надежно использовать. Но в ограниченной когорте, участвовавшей в этом исследовании, результаты были многообещающими: CRANK-MS мог анализировать химические вещества, обнаруженные в крови, для выявления болезни Паркинсона с точностью до 96 процентов.
«Это исследование интересно на нескольких уровнях, — заключает автор исследования. Во-первых, точность прогнозирования болезни Паркинсона до постановки клинического диагноза очень высока. Во-вторых, этот подход к машинному обучению позволил нам определить химические маркеры, которые наиболее важны для точного прогнозирования того, у кого в будущем разовьется болезнь Паркинсона. В-третьих, некоторые из химических маркеров, которые в наибольшей степени способствуют точному прогнозированию, ранее связывались другими с болезнью Паркинсона в клеточных анализах, но не у людей».
Пища для размышлений
При изучении метаболитов людей, у которых в ходе исследования развилась болезнь Паркинсона, были получены некоторые интересные результаты.
Например, тритерпеноиды были обнаружены в более низких концентрациях в крови тех, у кого позднее развилась болезнь Паркинсона, по сравнению с теми, у кого ее не было. Тритерпеноиды являются известными нейропротекторами, которые регулируют окислительный стресс и обычно содержатся в таких продуктах, как яблоки, оливки и помидоры. Будущее исследование может выяснить, может ли употребление этих продуктов естественным образом защитить от развития болезни Паркинсона.
Также заслуживает дальнейшего изучения наличие полифторированных алкильных веществ (ПФАС) у людей, у которых развилась болезнь Паркинсона, что может быть связано с воздействием промышленных химикатов.
Авторы другого исследования утверждают, что одиночество может повысить риск развития болезни Паркинсона
Невролог, мануальный терапевт, рефлексотерапевт АО «СЗЦДМ» (г. Санкт-Петербург), редактор и автор статей
Ведёт пациентов неврологического профиля с полным неврологическим осмотром, разработкой плана обследования и схемы лечения пациента (в остром периоде, на этапе реабилитации), динамическое наблюдение.
