Исследователи использовали машинное обучение для точного прогнозирования подтипов болезни Паркинсона с помощью изображений стволовых клеток. Этот прорыв демонстрирует компьютерные модели, классифицирующие четыре подтипа болезни Паркинсона, с максимальной точностью, достигающей 95%.
Практическая значимость работы
Это может произвести революцию в персонализированной медицине и помочь в более целенаправленных исследованиях лекарственных средств от болезни Паркинсона.
Новизна исследования
Исследователи из Института Фрэнсиса Крика (Francis Crick Institute) и Института неврологии Куин-Скверпри при Калифорнийском университете (UCL Queen Square Institute of Neurology) в сотрудничестве с технологической компанией факультета искусственного интеллекта показали, что машинное обучение может точно диагностировать подтипы болезни Паркинсона, используя изображения стволовых клеток, полученных от пациентов.
Научная работа, опубликованная в журнале Nature Machine Intelligence, показала, что компьютерные модели могут точно классифицировать четыре подтипа болезни Паркинсона, при этом точность одного из них достигает 95%.
Актуальность исследования
Болезнь Паркинсона — это нейродегенеративное состояние, влияющее на движение и когнитивные функции. Симптомы и прогрессирование заболевания варьируются от пациента к пациенту из-за различий в основных механизмах, вызывающих заболевание.
До сих пор не существовало способа точно дифференцировать подтипы, а это означает, что пациентам ставят неспецифические диагнозы, и они не всегда имеют доступ к целевому лечению, поддержке или уходу.
Болезнь Паркинсона связана с неправильным сворачиванием ключевых белков и дисфункцией очистки дефектных митохондрий, источника выработки энергии в клетке. Большинство случаев болезни Паркинсона начинаются спорадически, но некоторые из них могут быть связаны с генетическими мутациями.
Материалы и методы исследования
Исследователи создали стволовые клетки из собственных клеток пациентов и химическим путем воссоздали четыре различных подтипа болезни Паркинсона, два из которых связаны с путями, ведущими к токсичному накоплению белка, называемого α-синуклеином, и два с участием путей, ведущих к нефункционирующим митохондриям, чтобы создать «человеческую болезнь».
Затем ученые представили модели заболеваний в микроскопических деталях и пометили ключевые клеточные компоненты, включая лизосомы, которые участвуют в разрушении изношенных частей клетки. Исследователи «обучили» компьютерную программу распознавать каждый подтип, которая затем могла предсказывать подтип при представлении изображений, которых она раньше не видела.
Митохондрии и лизосомы были наиболее важными признаками в прогнозирования правильного подтипа, подтверждая их участие в развитии болезни Паркинсона, но другие области клетки, такие как ядро, также оказались важными, а также аспекты изображений, которые мы можем распознать.
Джеймс Эванс (James Evans) и Гурвир Вирди (Gurvir Virdi) комментируют: «Теперь, когда мы используем более совершенные методы обработки изображений, мы генерируем огромное количество данных, большая часть которых отбрасывается, когда мы вручную выбираем несколько интересных особенностей. Использование ИИ в этом исследовании позволило нам оценить большее количество клеточных признаков и оценить важность этих признаков для определения подтипа заболевания. Используя глубокое обучение, мы смогли извлечь из наших изображений гораздо больше информации, чем при обычном анализе изображений. Теперь мы надеемся расширить этот подход, чтобы понять, как эти клеточные механизмы влияют на другие подтипы болезни Паркинсона».
Соня Ганди (Sonia Gandhi) добавила: «Мы понимаем многие процессы, вызывающие болезнь Паркинсона в головном мозге людей. Но пока они живы, у нас нет возможности узнать, какой механизм работает, и поэтому мы не можем назначить точное лечение. В настоящее время у нас нет методов лечения, которые имеют огромное значение для прогрессирования болезни Паркинсона. Используя модель собственных нейронов пациента и объединив ее с большим количеством изображений, мы создали алгоритм для классификации определенных подтипов — мощный подход, который может открыть двери для идентификации подтипов болезней в жизни».
«Сделав еще один шаг вперед, наша платформа позволит нам сначала тестировать лекарственные средства на моделях стволовых клеток и предсказывать, будут ли клетки мозга пациента реагировать на лечение, прежде чем участвовать в клинических испытаниях. Мы надеемся, что однажды это поможет привести к фундаментальным изменениям в том, как мы предоставляем персонализированную медицину».
Проект был разработан во время перерыва в исследованиях лаборатории в связи с пандемией — вся команда ученых прошла интенсивный курс кодирования, научилась программировать на Python, развивая навыки, которые они теперь применяют в текущих проектах.
Джеймс Флеминг (James Fleming), директор по информационным технологиям, который работал с факультетом ИИ над проектом, заключил: «Эта статья появилась в результате уникального отраслевого партнерства с факультетом, чтобы выяснить, сможет ли группа полных новичков в области ИИ изучить и применить передовой опыт непосредственно в своей науке в очень сжатые сроки. Успех этого проекта не только доказал, что они это могут, открыв новые идеи в процессе, но также помог привлечь инвестиции в быстрое расширение нашей собственной команды разработчиков искусственного интеллекта и программного обеспечения, которая имеет более 25 проектов «в процессе» с различными лабораториями, и каждый месяц стартуют новые проекты».
Следующими шагами исследовательской группы станут понимание подтипов заболеваний у людей с другими генетическими мутациями и выяснение того, можно ли аналогичным образом классифицировать спорадические случаи болезни Паркинсона (то есть без генетических мутаций).
Авторы другого исследования утверждают, что худшее качество жизни наблюдается у пациентов с болезнью Паркинсона с опекунами, страдающими депрессией
