Forskere har opdaget to nye undertyper af multipel sklerose ved hjælp af kunstig intelligens, hvilket åbner døren til personlig behandling og bedre resultater for patienter.
Millioner af mennesker verden over lever med MS, men behandlinger vælges typisk ud fra symptomer og virker måske ikke godt, fordi de ikke målretter den specifikke biologi hos hver patient. Nu har forskere, ved at kombinere AI med en simpel blodprøve og MR-scanninger, identificeret to forskellige biologiske former for sygdommen. Eksperter kalder dette et "spændende" gennembrud, der kan revolutionere, hvordan MS behandles globalt.
I en undersøgelse af 600 patienter ledet af University College London (UCL) og Queen Square Analytics undersøgte forskere blodniveauer af et protein kaldet serum neurofilament lys kæde (sNfL), som indikerer nerveskade og sygdomsaktivitet. Ved at bruge en maskinlæringsmodel ved navn SuStaIn til at analysere disse blodresultater sammen med hjernescanninger fandt teamet to klare mønstre, offentliggjort i tidsskriftet Brain: tidlig sNfL og sen sNfL.
I den første undertype viste patienter høje sNfL-niveauer tidligt i sygdommen sammen med synlig skade i et hjernområde kaldet corpus callosum og hurtigt udviklende hjernelæsioner. Denne form ser ud til at være mere aggressiv. I den anden undertype opstod hjernekrympning i områder som den limbiske cortex og det dybe grå substans, før sNfL-niveauerne steg, hvilket tyder på en langsommere progression med mærkbar skade, der viser sig senere.
Denne opdagelse vil hjælpe læger med bedre at identificere, hvilke patienter der har højere risiko for visse komplikationer, hvilket muliggør mere skræddersyet pleje. Dr. Arman Eshaghi, studiens hovedforfatter fra UCL, forklarede: "MS er ikke én sygdom, og de nuværende undertyper fanger ikke de underliggende vævsændringer, vi har brug for for at behandle den effektivt. Ved at bruge AI med en bredt tilgængelig blodmarkør og MR har vi for første gang afsløret to klare biologiske mønstre. Dette hjælper klinikere med at forstå, hvor en person er i sygdomsforløbet, og hvem der måske har brug for tættere overvågning eller tidligere, målrettet behandling."
I fremtiden kunne patienter, der identificeres af AI-værktøjet som havende tidlig sNfL-MS, komme i betragtning til stærkere behandlinger og hyppigere overvågning. Dem med sen sNfL kunne modtage andre terapier, såsom personlige tilgange til at beskytte hjerneceller. "Innovationen er dobbelt: at transformere århundredgamle kliniske undersøgelser med AI-algoritmer og at give personlig behandling baseret på sygdomsprofil," tilføjede Eshaghi.
Caitlin Astbury, senior forskningskommunikationschef ved velgørenhedsorganisationen MS Society, sagde: "Dette er et spændende skridt fremad i forståelsen af MS. Studiet brugte maskinlæring på MR- og biomarkørdata fra personer med relapserende-remitterende og sekundær progressiv MS og identificerede to nye biologiske undertyper. Mens vi har forbedret vores forståelse af MS-biologi i de seneste år, er de nuværende definitioner afhængige af kliniske symptomer, som ofte ikke afspejler, hvad der foregår i kroppen, hvilket gør effektiv behandling udfordrende."
Astbury bemærkede, at mens der er omkring 20 behandlinger for relapserende MS og nogle nye muligheder for progressiv MS, mangler mange stadig effektive terapier. "Jo mere vi lærer om tilstanden, jo tættere kommer vi på at finde behandlinger, der kan stoppe sygdomsprogressionen. Denne forskning tilføjer beviser, der støtter et skift væk fra termer som 'relapserende' og 'progressiv' og hen imod beskrivelser, der afspejler den underliggende biologi af MS." Dette kunne hjælpe med at identificere personer med forhøjet risiko for progression og muliggøre mere personlig behandling.
Ofte stillede spørgsmål
Selvfølgelig. Her er en liste over ofte stillede spørgsmål om den nylige opdagelse af to nye undertyper af multipel sklerose, designet til at være klar og hjælpsom for et bredt publikum.
Begynder: Generelle spørgsmål
1. Hvad er den store nyhed om MS, som jeg hele tiden hører om?
Forskere har brugt kunstig intelligens til at analysere hjernescanninger og har identificeret to helt nye undertyper af multipel sklerose. Dette ændrer den længe holdte opfattelse af, at MS er en enkelt sygdom med en standard progression.
2. Hvad hedder disse nye undertyper?
De er i øjeblikket navngivet efter deres tilsyneladende drivmekanisme baseret på scananalysen:
Cortex-ledt: Hvor skaderne ser ud til at starte i hjernens ydre lag.
Hvid substans-ledt: Hvor skaderne ser ud til at starte i hjernens dybere hvide substans, som har været det traditionelle fokus for MS-studier.
3. Hvorfor betragtes denne opdagelse som et gennembrud?
Det ændrer fundamentalt, hvordan vi ser på MS. I stedet for at behandle det som én sygdom, kan vi nu se det som to forskellige sygdomme med forskellige startpunkter i hjernen. Dette kunne forklare, hvorfor patienter reagerer så forskelligt på behandlinger.
4. Jeg har MS. Ændrer dette min diagnose med det samme?
Ikke umiddelbart i en klinisk sammenhæng. Dette er en større forskningsopdagelse, der skal valideres og udvikles til et standard diagnostisk værktøj. Din nuværende MS-diagnose står stadig, men denne opdagelse hjælper med at forklare forskelligheden i patienters oplevelser.
Avanceret: Detaljerede spørgsmål
5. Hvordan blev disse undertyper opdaget?
Forskere brugte AI til at analysere tusindvis af MR-hjernescanninger fra MS-patienter. AI'en ledte efter mønstre, som humane radiologer ikke let kunne se, og grupperede konsekvent scanningerne i disse to forskellige kategorier baseret på, hvor skaderne syntes at opstå og sprede sig.
6. Hvad er de vigtigste forskelle mellem de cortex-ledte og hvid substans-ledte undertyper?
Cortex-ledt: Skaderne ser ud til at begynde i cortex, hjernens grå substans, der er ansvarlig for tænkning, hukommelse og behandling. Dette kan være forbundet med hurtigere progression og kognitive symptomer tidligt.
Hvid substans-ledt: Skaderne følger det mere traditionelle mønster og starter i den hvide substans' "motorveje", der forbinder forskellige hjerneregioner. Dette har været det primære fokus for MS-behandling og -overvågning i årtier.
