محققان 2 زیرنوع جدید از ام‌ اس را کشف کردند؛ پیشرفتی هیجان‌ انگیز

به گزارش گروه ترجمه رکنا به نقل از گاردین، میلیون‌ها نفر در سراسر جهان به این بیماری مبتلا هستند، اما درمان‌ها عمدتاً بر اساس علائم انتخاب می‌شوند و ممکن است مؤثر نباشند، زیرا زیست‌شناسی پایه‌ای بیمار را هدف قرار نمی‌دهند.

اکنون دانشمندان با استفاده از هوش مصنوعی، آزمایش خون ساده و اسکن‌های MRI دو شاخه زیست‌شناختی جدید ام‌اس را شناسایی کرده‌اند. کارشناسان این پیشرفت «هیجان‌انگیز» را انقلابی در درمان این بیماری در سراسر جهان دانستند.

در تحقیقاتی که شامل ۶۰۰ بیمار بود و توسط دانشگاه کالج لندن (UCL) و شرکت Queen Square Analytics هدایت شد، پژوهشگران سطح خون پروتئینی به نام زنجیره سبک نوروفیلامان (sNfL) را بررسی کردند. این پروتئین می‌تواند میزان آسیب سلول‌های عصبی را نشان داده و فعالیت بیماری را مشخص کند.

نتایج sNfL و اسکن‌های مغزی بیماران توسط یک مدل یادگیری ماشینی به نام SuStaIn تفسیر شد. نتایج منتشرشده در مجله پزشکی Brain، دو نوع متمایز از ام‌اس را نشان داد: sNfL اولیه و sNfL ثانویه.

در زیرنوع اول، بیماران در مراحل اولیه بیماری دارای سطوح بالای sNfL بودند و آسیب قابل مشاهده در بخشی از مغز به نام جسم پینه‌ای (corpus callosum) داشتند و ضایعات مغزی سریع ایجاد می‌کردند. این نوع، فعال‌تر و پرخطرتر به نظر می‌رسد.

در زیرنوع دوم، بیماران قبل از افزایش سطح sNfL، کوچک‌شدگی مغز در نواحی مانند قشر لیمبیک و ماده خاکستری عمیق را نشان می‌دادند. این نوع به نظر کندتر است و آسیب آشکار دیرتر رخ می‌دهد.

محققان می‌گویند این پیشرفت به پزشکان امکان می‌دهد دقیق‌تر بفهمند کدام بیماران در معرض ریسک بالای عوارض مختلف هستند و مسیر را برای مراقبت شخصی‌سازی‌شده هموار می‌کند.

ام‌اس یک بیماری واحد نیست

نویسنده ارشد این مطالعه، دکتر آرمان اشاغی از UCL، گفت: «ام‌اس یک بیماری واحد نیست و زیرنوع‌های فعلی تغییرات بافتی پایه‌ای را توضیح نمی‌دهند، در حالی که برای درمان آن باید بدانیم.»

وی افزود: «با استفاده از مدل هوش مصنوعی همراه با نشانگر خونی در دسترس و MRI، برای اولین بار توانستیم دو الگوی زیست‌شناختی واضح از ام‌اس را نشان دهیم. این به پزشکان کمک می‌کند جایگاه یک فرد در مسیر بیماری را درک کنند و تصمیم بگیرند که چه کسانی نیاز به نظارت دقیق‌تر یا درمان هدفمند زودهنگام دارند.»

اشاغی همچنین گفت: «در آینده، وقتی ابزار هوش مصنوعی نشان دهد بیمار دارای ام‌اس sNfL اولیه است، می‌تواند واجد شرایط دریافت درمان‌های با کارایی بالاتر شده و بیشتر تحت نظارت باشد. در مقابل، بیماران با sNfL ثانویه ممکن است درمان‌های متفاوتی دریافت کنند، مانند درمان‌های شخصی برای حفاظت از سلول‌های مغزی یا نورون‌ها.»

پیشرفت هیجان‌انگیز در درک ام‌اس

کیتلین استبوری، مدیر ارشد ارتباطات پژوهشی در انجمن MS گفت: «این یک پیشرفت هیجان‌انگیز در درک ما از ام‌اس است. این مطالعه از یادگیری ماشینی برای بررسی داده‌های MRI و نشانگر زیستی بیماران مبتلا به ام‌اس عودکننده-بهبودیابنده و ثانویه استفاده کرد و توانست دو زیرنوع زیست‌شناختی جدید را شناسایی کند.»

وی افزود: «در سال‌های اخیر درک ما از زیست‌شناسی بیماری بهتر شده، اما تعریف‌های موجود بر اساس علائم بالینی افراد است. ام‌اس پیچیده است و این دسته‌بندی‌ها اغلب دقیقاً وضعیت درون بدن را منعکس نمی‌کنند که این امر درمان مؤثر را دشوار می‌کند.»

استبوری ادامه داد: «برای بیماران مبتلا به ام‌اس عودکننده حدود ۲۰ گزینه درمانی وجود دارد و برخی برای ام‌اس پیشرفته در حال ظهور هستند، اما برای بسیاری هیچ گزینه‌ای موجود نیست. هرچه بیشتر در مورد بیماری بدانیم، احتمال یافتن درمان‌هایی که پیشرفت بیماری را متوقف کند بیشتر است.»

وی در پایان تأکید کرد: «این تحقیق به شواهد رو به رشد برای حرکت از توصیفات موجود ام‌اس (مانند عودکننده و پیشرفته) به سمت اصطلاحاتی که زیست‌شناسی پایه‌ای بیماری را منعکس می‌کنند، می‌افزاید و می‌تواند به شناسایی افرادی با ریسک بالاتر پیشرفت بیماری و ارائه درمان شخصی‌سازی‌شده کمک کند.»