AI a Parkinson-kór korai diagnózisában
Koreai kutatók egy olyan pontrendszert dolgoztak ki, amellyel a mesterséges intelligencia már korai fázisban, nagy specificitással képes diagnosztizálni a betegséget, közli az otszoline.hu.
A Nature Communications folyóiratban jelent meg a The Korea Advanced Institute of Science and Technology (KAIST) kutatóinak tanulmánya, amelyben egy innovatív technológiai megközelítéssel demonstrálták a mesterséges intelligencia és az optogenetika integrációjának lehetőségét a Parkinson-kór pontosabb diagnosztikájában és terápiás értékelésében, preklinikai egérmodellek alkalmazásával. A vizsgálat során olyan multidiszciplináris stratégiát dolgoztak ki, amely hosszú távon hozzájárulhat személyre szabott kezelési protokollok kialakításához is. A kutatást egy interdiszciplináris csoport végezte, amelyben Heo Won Do, Kim Daesoo és Lee Chang-Jun professzorok kutatócsoportja működött együtt. A kutatók a mesterséges intelligencián alapuló viselkedéselemzést kombinálták optogenetikai beavatkozással, lehetővé téve ezzel a Parkinson-kór korai felismerését és a kezelés hatékonyságának objektív mérését, írja a lap.
A most közzétett tanulmány egy olyan Parkinson-kóros egérmodellt mutat be, amely két különböző súlyossági fokozatot imitál. A modellben hím egereket alkalmaztak, amelyekben az alfa-szinuklein fehérje aggregációja révén idézték elő a neurodegeneratív elváltozásokat – ez a módszer széles körben elfogadott az emberi Parkinson-kór patológiájának szimulálására irányuló preklinikai kutatásokban. A viselkedési jellemzők kvantitatív elemzéséhez a kutatók egy mesterséges intelligencián alapuló, háromdimenziós testtartás-becslési technikát alkalmaztak. A Kim professzor vezette csapat több mint 340 különböző viselkedési paramétert – például járásmintázatot, végtagmozgásokat és tremort – vizsgált, majd ezeket egyetlen aggregált mutatóvá, az AI által előrejelzett Parkinson-kór pontszámmá (APS; AI-predicted Parkinson's disease score) sűrítette. Az APS már a betegség indukcióját követő két héten belül szignifikáns eltérést mutatott a kontrollcsoporthoz képest, és érzékenyebbnek bizonyult a betegség súlyosságának megítélésében, mint a hagyományos motoros funkció tesztek.
A kutatás során azonosították a legrelevánsabb diagnosztikai viselkedési jellemzőket, köztük a lépésmintázat változásait, az aszimmetrikus végtagmozgásokat és a mellkasi tremort. A húsz legfontosabb paraméter között szerepelt a kéz-láb aszimmetria, a testtartás és a lépések módosulása, valamint a magas frekvenciájú mellkasi mozgások fokozódása. A viselkedési indikátorok Parkinson-specifikusságának megerősítése érdekében a kutatócsoport az APS-elemzést egy másik neurodegeneratív betegség, az amiotrófiás laterálszklerózis (ALS) egérmodelljén is elvégezte. Mivel mindkét kórkép motoros diszfunkcióval jár, az APS értékek hasonlósága esetén az indikátor nem lenne specifikus. Az ALS-modell elemzése azonban azt mutatta, hogy bár az egerek motoros képességei romlottak, APS-értékeik alacsonyak maradtak, és viselkedésük eltért a Parkinson-kór modellben tapasztaltaktól. Ez megerősíti, hogy az APS valóban a Parkinson-kórra jellemző, specifikus viselkedési változásokkal korrelál.
