Η AI εντόπισε δύο «κρυφούς» βιολογικούς τύπους που αλλάζουν τα δεδομένα

Η ιατρική κοινότητα προσπαθούσε εδώ και δεκαετίες να αποκωδικοποιήσει τον γρίφο της Πολλαπλής Σκλήρυνσης (ή Σκλήρυνσης κατά Πλάκας – ΣΚΠ), μιας νόσου που φημίζεται για την απρόβλεπτη συμπεριφορά της. Γιατί σε κάποιους ασθενείς η νόσος εξελίσσεται ραγδαία, ενώ σε άλλους παραμένει σε λανθάνουσα κατάσταση για χρόνια; Μια νέα μελέτη από το University College του Λονδίνου (UCL) έρχεται να δώσει μια ανατρεπτική απάντηση, η οποία ενδέχεται να επανακαθορίσει τον τρόπο που αντιλαμβανόμαστε και θεραπεύουμε την πάθηση.

Οι επιστήμονες, αξιοποιώντας τη δύναμη της μηχανικής μάθησης (machine learning), ανακάλυψαν ότι αυτό που θεωρούσαμε ενιαία ασθένεια με διάφορα στάδια, ίσως τελικά διαθέτει δύο διακριτούς, θεμελιώδεις βιολογικούς υποτύπους. Η ανακάλυψη αυτή υπόσχεται να γεφυρώσει το χάσμα μεταξύ της διάγνωσης και της στοχευμένης θεραπείας.

Η συμμαχία αίματος και Τεχνητής Νοημοσύνης

Η ερευνητική ομάδα δεν αρκέστηκε στις συμβατικές μεθόδους παρατήρησης. Αντίθετα, εκπαίδευσε προηγμένα μοντέλα τεχνητής νοημοσύνης για να αναλύσουν έναν τεράστιο όγκο δεδομένων από 634 ασθενείς. Ο στόχος ήταν να εντοπιστούν μοτίβα που διαφεύγουν από το ανθρώπινο μάτι.

Το κλειδί της έρευνας βρέθηκε στον συνδυασμό δύο διαφορετικών πηγών πληροφορίας: των μαγνητικών τομογραφιών (MRI) και των εξετάσεων αίματος για τον εντοπισμό μιας συγκεκριμένης πρωτεΐνης, της ελαφριάς αλυσίδας των νευροϊνιδίων ορού (sNfL). Η συγκεκριμένη πρωτεΐνη αποτελεί δομικό συστατικό του νευρικού συστήματος. Όταν τα νευρικά κύτταρα καταστρέφονται, η πρωτεΐνη αυτή «διαρρέει» στα σωματικά υγρά, λειτουργώντας ως “συναγερμός” για νευροεκφυλιστικές βλάβες.

Μέχρι σήμερα, γνωρίζαμε ότι η sNfL αυξάνεται στην ΣΚΠ, αλλά η μεμονωμένη μέτρησή της δεν αρκούσε για να δώσει σαφή εικόνα. Συνδυάζοντάς την όμως με τη χωροταξική ανάλυση των βλαβών στον εγκέφαλο μέσω AI, οι ερευνητές είδαν για πρώτη φορά δύο καθαρά μονοπάτια.

Οι δύο νέοι υπότυποι: «Early-sNfL» και «Late-sNfL»

Η ανάλυση των δεδομένων χώρισε τους ασθενείς σε δύο κατηγορίες, οι οποίες δεν σχετίζονται απαραίτητα με τα κλινικά συμπτώματα που βιώνει ο ασθενής εκείνη τη στιγμή, αλλά με τη βιολογική «υπογραφή» της νόσου.

Ο πρώτος υπότυπος ονομάστηκε «Early-sNfL». Εδώ, τα επίπεδα της πρωτεΐνης στο αίμα εκτοξεύονται από τα πρώτα στάδια. Οι απεικονίσεις έδειξαν ότι σε αυτή την ομάδα, η βλάβη εντοπίζεται κυρίως στο μεσολόβιο (corpus callosum), τη γέφυρα που ενώνει τα δύο ημισφαίρια του εγκεφάλου. Αυτός ο τύπος αποδείχθηκε πιο επιθετικός, με τους ασθενείς να εμφανίζουν ταχύτερη συσσώρευση εγκεφαλικών αλλοιώσεων και πιο γρήγορη εξέλιξη της αναπηρίας.

Ο δεύτερος υπότυπος, ο «Late-sNfL», παρουσιάζει μια πιο ύπουλη συμπεριφορά. Η νόσος εξελίσσεται πιο αργά και τα επίπεδα της πρωτεΐνης στο αίμα παραμένουν χαμηλά στα αρχικά στάδια. Ωστόσο, η βλάβη δεν απουσιάζει· απλώς κρύβεται. Οι πρώτες ενδείξεις εμφανίζονται ως συρρίκνωση στον μεταιχμιακό φλοιό (limbic cortex) και στη βαθιά φαιά ουσία του εγκεφάλου. Σε αυτή την περίπτωση, ο «συναγερμός» της sNfL χτυπάει καθυστερημένα, όταν η νευροεκφύλιση έχει ήδη προχωρήσει.

Γιατί αποτυγχάνει η προσέγγιση «One Size Fits All»

Η σημασία αυτής της διάκρισης είναι τεράστια για την κλινική πράξη. Σήμερα, η ΣΚΠ κατηγοριοποιείται κυρίως βάσει της κλινικής εικόνας (π.χ. Υποτροπιάζουσα-Διαλείπουσα ή Πρωτοπαθώς Προϊούσα). Ωστόσο, αυτή η προσέγγιση περιγράφει το αποτέλεσμα της νόσου, όχι τον μηχανισμό της.

Όπως επισημαίνει ο Δρ. Eshaghi, η τρέχουσα ταξινόμηση δεν λαμβάνει υπόψη την υποκείμενη βιολογία. Αυτό εξηγεί γιατί μια θεραπεία μπορεί να είναι θαυματουργή για έναν ασθενή και απολύτως αναποτελεσματική για έναν άλλον με φαινομενικά ίδια συμπτώματα. Ένας ασθενής με τον υπότυπο «Early-sNfL» ενδέχεται να χρειάζεται άμεση, επιθετική αγωγή για να φρεναριστεί η ραγδαία φλεγμονή, ενώ ένας ασθενής με «Late-sNfL» ίσως ωφεληθεί περισσότερο από φάρμακα που στοχεύουν στην προστασία των νευρώνων από την ατροφία, παρά στην καταστολή του ανοσοποιητικού.

Το μέλλον της εξατομικευμένης θεραπείας

Η μελέτη αυτή προτείνει ένα πρακτικό μοντέλο που θα μπορούσε να ενταχθεί στα νοσοκομεία: έναν συνδυασμό μιας απλής εξέτασης αίματος και μιας μαγνητικής τομογραφίας, τα οποία θα αναλύονται από ειδικό αλγόριθμο για να κατατάξουν τον ασθενή στη σωστή κατηγορία.

«Προσθέτοντας τον δείκτη sNfL, προχωρήσαμε πέρα από τη στατική εικόνα που μας δίνει η μαγνητική τομογραφία», καταλήγουν οι ερευνητές. Αν και απαιτούνται περαιτέρω κλινικές δοκιμές για να επικυρωθεί η μέθοδος, βρισκόμαστε μπροστά σε μια στροφή προς την απόλυτη εξατομίκευση. Οι γιατροί δεν θα περιμένουν πλέον να δουν πώς θα εξελιχθεί η νόσος για να κρίνουν τη θεραπεία, αλλά θα μπορούν να προβλέψουν τη βιολογική της πορεία από την πρώτη στιγμή.

Η κατανόηση ότι η Σκλήρυνση κατά Πλάκας δεν είναι ένας «μονολιθικός εχθρός» αλλά μια πάθηση με διαφορετικά πρόσωπα, είναι το πρώτο βήμα για να νικηθεί. Και όπως φαίνεται, η τεχνητή νοημοσύνη είναι το εργαλείο που μας επέτρεψε να δούμε πίσω από τη μάσκα της.