یک تحقیق اخیر پیشرفت‌های قابل توجهی در زمینه نشانگرهای زیستی ارائه داده است که می‌تواند زمینه‌ساز درمان‌های دارویی اولیه باشد و به کاهش یا حتی جلوگیری از پیشرفت پارکینسون امیدوار باشد.
، پژوهشگران دانشگاه UCL و مرکز پزشکی دانشگاه گوتینگن، آزمایش خون جدیدی را طراحی کرده‌اند که از هوش مصنوعی (AI) برای پیش‌بینی بیماری پارکینسون تا هفت سال پیش از ظهور علائم بهره می‌برد.
بیماری پارکینسون، که یک اختلال عصبی است و با لرزش، سفتی عضلات و کاهش سرعت حرکات شناخته می‌شود، به عنوان سریع‌ترین بیماری عصبی در حال رشد در جهان به شمار می‌رود. تشخیص زودهنگام این بیماری چالش‌برانگیز بوده است، اما یک مطالعه جدید نویدبخش خبرهایی امیدبخش است.
تشخیص زودهنگام: انقلابی در درمان پارکینسون
طبق گزارش آی‌ای، در حال حاضر، تشخیص پارکینسون بر اساس مشاهده نشانه‌های حرکتی است. تا زمانی که این علائم نمایان شوند، تغییرات عمده‌ای در مغز صورت گرفته است. اما این آزمایش خون جدید می‌تواند به طور چشمگیری در روند درمان پارکینسون تحول ایجاد کند.
پروفسور کوین میلز (Kevin Mills)، سرپرست این تحقیق، بیان می‌کند: با در نظر گرفتن درمان‌های جدید، ضروری است که بیماران را قبل از بروز علائم تشخیص دهیم. ما نمی‌توانیم سلول‌های مغز را مجدداً رشد دهیم، بنابراین حفظ سلول‌های فعلی از اهمیتی دوچندان برخوردار است.
تشخیص زودهنگام این فرصت را به پزشکان می‌دهد تا پیش از پیشرفت جدی بیماری، اقداماتی انجام دهند و در نتیجه ممکن است به کاهش یا توقف پیشرفت آن بینجامد. این آزمایش که بر اساس هوش مصنوعی طراحی شده، هشت نشانگر زیستی مرتبط با خون را در بیمارانی که به پارکینسون مبتلا هستند، مورد بررسی قرار می‌دهد.
میلر توضیح می‌دهد که آن‌ها غربالگری جامعی برای پروتئین‌ها در خون انجام داده‌اند تا نشانگرهای زیستی جدیدی را شناسایی کنند و بعداً آن‌هایی را که قبلاً در تحقیقات قبلی پیشنهاد شده بودند، انتخاب کردند.
در یک کارآزمایی بالینی، الگوریتم یادگیری ماشینی با دقت ۱۰۰ درصدی در شناسایی بیماری موفقیت‌های بی‌نظیری داشته است. سپس محققان گامی به جلو برداشتند و توانایی این آزمایش را در پیش‌بینی پیشرفت بیماری پارکینسون در آینده مورد بررسی قرار دادند.
این آزمایش خون قادر است افراد در معرض خطر را سال‌ها قبل از ظهور علائم شناسایی کند.
این مطالعه بر روی بیمارانی که به اختلال رفتار خواب با حرکات سریع چشم (iRBD) مبتلا بودند، متمرکز شده است؛ وضعیتی که در آن افراد به طور فیزیکی رؤیاهایشان را به نمایش می‌گذارند. تقریباً ۷۵ تا ۸۰ درصد این بیماران در نهایت به سینوکلینوپاتی مبتلا می‌شوند، که گروهی از اختلالات مغزی است و به تجمع پروتئین آلفا سینوکلئین مرتبط می‌شود و شامل پارکینسون نیز می‌گردد.
ابزار هوش مصنوعی به آنالیز نمونه‌های خونی این بیماران پرداخته و مشخص کرد که ۷۹ درصد پروفایل‌های خونی این بیماران با پروفایل افرادی که مبتلا به پارکینسون هستند، تطابق دارد.
جالب آنکه، محققان برای یک دوره ۱۰ ساله وضعیت این بیماران را پیگیری کردند. پیش‌بینی‌های انجام شده توسط هوش مصنوعی صحیح بود و این فناوری به درستی ۱۶ فرد را که به پارکینسون مبتلا شدند، شناسایی کرد.
این پیگیری طولانی‌مدت اعتبار آزمون را تقویت کرده و پتانسیل آن را برای مداخله‌های زودهنگام روشن می‌سازد.
تعدیل آزمایش و تمرکز بر درمان‌های نوین
محققان به دنبال بهبود مستمر این آزمایش هستند. دکتر مایکل بارتل (Michael Bartl)، نویسنده اصلی این تحقیق، بر اهمیت نشانگرهای زیستی شناسایی شده تأکید می‌کند.
او بیان می‌کند: با شناسایی هشت پروتئین در خون، این امکان وجود دارد که سال‌ها قبل از بروز بیماری به شناسایی بیماران بالقوه پارکینسون بپردازیم. این بدین معناست که درمان‌های دارویی ممکن است بتوانند در مراحل اولیه انجام شوند که به نوبه خود می‌تواند پیشرفت بیماری را کاهش دهد یا حتی از شروع آن جلوگیری کند.
این نشانگرهای زیستی تنها ابزار تشخیصی نیستند، بلکه می‌توانند به عنوان اهداف بالقوه برای پژوهش در جهت توسعه داروهای آینده در نظر گرفته شوند.