
‘Günümüzde Multipl Skleroz, hasta semptomları temelinde ilerleyici ve tekrarlayan gruplar olarak sınıflandırılmıştır; sınıflandırma hastalığın altında yatan biyolojiye dayanmadığından hastaya uygun tedavi seçiminde hekime yardımcı olmamaktadır. Yapay zeka, beyin görüntülerinde belirli bir örüntüyü izleyen MS alt tiplerini bulabilir mi? diye sorduk. Yapay zeka, beyin görüntülerindeki patolojik anormalliklerle tanımlanan üç MS alt tipini ortaya çıkardı.’ Dr. Arman Eshaghi, UCL Queen Square Nöroloji Enstitüsü
UCL bilimcileri üç yeni Multipl Skleroz (MS) alt tipini tanımlamak için Yapay Zeka (YZ) kullanmıştır. Araştırmacılar çığır açacak bulgularının, hastalığının ilerleme olasılığı yüksek kişilerin belirlenmesine ve tedavilerinin daha etkili bir şekilde hedeflenmesine yardımcı olacağını söylüyor.
MS, küresel olarak 2,8 milyondan fazla kişiyi etkiler ve tekrarlayan veya ilerleyen diye tanımlanan dört grupta sınıflandırılır. Hastalar, MR görüntüleri, semptomlar ve klinik gözlemler kullanılarak gruplandırılır. Bu gözlemler tedavi seçimi ve zamanlamasına rehberlik eder.
Nature Communications'da yayınlanan bu çalışma için araştırmacılar, beyin görüntülerinde tedavi seçimine daha iyi rehberlik edecek ve belirli bir tedaviye en iyi yanıt verecek hastaları belirleyecek, henüz tanımlanamamış örüntüler olup olmadığını öğrenmek istediler. Araştırmacılar, 6322 MS hastasının MR beyin taramalarına, UCL tarafından geliştirilmiş Yapay Zeka aracı SuStaIn'i (Alt Tip ve Evre Çıkarımı) uyguladılar. Denetimsiz SuStaIn kendini eğiterek daha önce bilinmeyen üç örüntü tanımladı.
Yeni MS alt tipleri; 'korteksli', 'normal görünüşlü beyaz maddeli' ve 'lezyonlu' olarak tanımlandı. SuStaIn MR setinde çalışarak analizini tamamladıktan sonra kilitlendi ve daha sonra 3068 hastadan oluşan başka bir kohortta üç alt tipi tanımlamak için kullanıldı ve böylece yeni MS alt tiplerini saptama becerisi doğrulandı.
Çalışmanın yazarlarından NIHR Araştırma Profesörü Olga Ciccarelli (UCL Queen Square Nöroloji Enstitüsü) şunları söyledi: ‘MS sınıflandırmasında kullanılan yöntem şu anda yalnızca görüntüleme değişikliklerine odaklanmıştır; yaklaşımı diğer klinik bilgileri de dahil edecek şekilde genişletiyoruz. Bu heyecan verici araştırma alanı, YZ kullanarak MS seyrinin bireysel tanımına ve tedavi yanıtının bireysel tahminine olanak sağlayarak her hasta için doğru zamanda doğru tedaviyi seçmeyi mümkün kılacaktır.’
UCL Beyin Bilimleri Fakültesi Dekanı ve çalışma yazarlarından Prof. Alan Thompson ‘Güncel MS tanımlamalarının sınırlılığını biliyoruz. YZ ve geniş veri seti yardımı ile güncel klinik sınıflandırmamızı geliştirecek olan hastalığın altında yatan mekanizmaları daha iyi anlamak üzere ilk adımı attık. Bu gerçekten çok önemli bir başarı’ demiştir.
Araştırmacılar, bulguların MR temelli alt tiplerin MS engellilik ilerlemesini ve tedaviye yanıtı tahmin ettiğini ve artık girişimsel çalışmalarda hasta gruplarını tanımlamak için kullanılabileceğini gösterdiğini söylüyor. Bu bulguları doğrulamak için bir sonraki adım olarak prospektif klinik çalışmalar yapılması gerekiyor.
MS Derneği Araştırma Başkanı Dr. Clare Walton şunları söyledi: ‘Uluslararası İlerleyici MS Ortaklığı ile yaptığımız çalışmalarla bu çalışmayı destekleyebildiğimiz için mutluyuz. MS prognozu her hasta için öngörülemez ve farklıdır. Hastalık ilerlemesini tahmin etmeye ve tedavi planını buna göre yapmaya yardımcı olacak MR temelli bir modele sahip olmak, hastalar için çok önemli sonuçlar doğurabilir. Bundan sonra nelerin çıkacağını görmek için sabırsızlanıyoruz.’
Identifying multiple sclerosis subtypes using unsupervised machine learning and MRI data | Nature Communications. https://www.news-medical.net/news/20210406/UCL-scientists-use-AI-to-identify-three-new-multiple-sclerosis-su btypes.aspx
+ Tüm Referansları Göster