En ny algoritme, der bygger på kunstig intelligens, kan forudsige sværhedsgraden og udviklingen af ​​neurodegenerative sygdomme som Alzheimer og Huntingtons ved at analysere genekspressions data fra blodprøver.

Den nye diagnostiske teknik vil i fremtiden kunne bruges til at vælge bedre og mere effektive behandlingsformer for patienter og måle behandlingernes effektivitet, skriver forskerne fra McGill University og Ludmer Center for Neuroinformatics and Mental Health i Canada i et netop offentliggjort studie. Forskernes mål var at finde molekylære mønstre, der er specifikke for de to sygdomme ved hjælp en AI-algoritme, som analyserede blod- og post-mortem-hjernevæv.

”Algoritmen var i stand til at registrere, hvordan disse  patienters gener udtrykte sig på unikke måder gennem årtier. Dette tilvejebringer det første langsigtede syn på de molekylære ændringer, der ligger til grund for neurodegeneration. Et vigtigt fremskridt, da neurodegenerative sygdomme udvikler sig over år,” skriver Yasser Iturria-Medina, førsteforfatter til studiet, der er offentliggjort i tidsskriftet Brain.

Forskerne bag undersøgelsen planlægger nu at opbygge en lignende algoritme til andre neurodegenerative tilstande som for eksempel Parkinsons og amyotrofisk sclerose, (ALS) skriver de. Forskerne udviklede algoritmen ved at undersøge genekspressionsdata, hjernescannninger og hjernevæv fra 1.969 patienter.

”Tidligere var de fleste analyser af neurodegenerative sygdomme afhængige af data indsamlet på individuelle patienter på specifikke tidspunkter, hvilket resulterede i "snapshots" af sygdomsprogression,” anfører forskerne, der i stedet har samlet data fra mange patienter, hvorved algoritmen sigter på at overvinde disse begrænsninger.

”Da progressionen af ​​disse sygdomme er unik hos hver patient, har denne diagnostiske algoritme potentiel værdi i sporing af en patients tilstand og tilvejebringelse af specifik information om den type behandling, der er nødvendig, baseret på den aktuelle tilstand af deres sygdom,” skriver forskerne, der anfører, at deres algoritme en dag vil kunne bruges af læger  til at evaluere patienter og ordinere terapier, som er skræddersyet til deres behov, samt til anvendelse i kliniske forsøg til at kategorisere patienter og bedre bestemme, hvordan eksperimentelle lægemidler påvirker deres forudsagte sygdomsprogression.

Da forskernes indledende eksperimenter alle var afhængige af genetiske data, der blev taget direkte fra hjerneceller, testede forskerne også, om der kunne opnås lignende konklusioner, hvis den molekylære score fra genetiske data indsamlet fra et mere tilgængeligt væv. For eksempel genekspressionsdata fra blodprøver. Og her blev der fundet en sammenhæng, der peger på, at molekylære data fra blodprøver nøje efterligner de molekylære ændringer, der forekommer i hjernen hos mennesker med neurodegenerative sygdomme.

”Algoritmen identificerede i alt 845 relevante gener - involveret i 88 signalveje - som var forbundet med progressionen af ​​Alzheimers og Huntington's, når man analyserede på prøver indsamlet fra hjerneceller. I blodprøver identificerede algoritmen 85 procent - 90 procent af de samme veje, hvilket altså antyder, at en blodprøve potentielt kan bruges til at forudsige sygdomsprogression,” skriver forskerne.