الخطوة الكبيرة في فحص مرض الزهايمر بفضل نموذج اليابان للتعلم الآلي

في تطور رائد، كشفت جامعة أويتا اليابانية اليابان وشركة Eisai Co. للأدوية عن أول نموذج للتعلم الآلي في العالم مصمم للتنبؤ بتراكم الأميلويد بيتا (Aβ) في الدماغ، وهو عامل مرضي محوري في مرض الزهايمر (AD).

يستفيد هذا النموذج الثوري من البيانات المجمعة من أجهزة الاستشعار المعصمية لفحص تراكم أميلويد بيتا (Aβ) في الدماغ بسهولة باستخدام البيانات البيولوجية ونمط الحياة.

حل لتحديات الكشف المبكر

يتميز مرض الزهايمر، الذي يمثل أكثر من 60% من حالات الخرف، بالتراكم التدريجي لأميلويد بيتا (Aβ) في الدماغ. تبدأ هذه العملية حوالي عقدين من الزمن قبل ظهور الأعراض السريرية. 

ردًا على هذه القضية الملحة، كانت هناك جهود لتطوير أدوية علاجية تستهدف أميلويد بيتا (Aβ)، مما أدى إلى الموافقة على جسم مضاد وحيد النسيلة بشري ضد أميلويد بيتا (Aβ) القابل للذوبان والمجمع في اليابان.

تعتمد فعالية مثل هذه الأدوية على الكشف المبكر عن تراكم أميلويد بيتا (Aβ) لدى الأفراد الذين يعانون من ضعف إدراكي خفيف، ويفضل ذلك قبل ظهور الأعراض. يعتمد تحديد تراكم أميلويد بيتا (Aβ) في الدماغ على طرق باهظة الثمن وغزوية مثل التصوير المقطعي بالإصدار البوزيتروني (أميلويد PET) واختبارات السائل النخاعي (اختبار CSF). 

هذه الاختبارات محدودة بالمؤسسات الطبية المختارة وتأتي مع أعباء مالية وإجرائية كبيرة. ونتيجة لذلك، كان هناك بحث مستمر عن طريقة فحص ميسورة التكلفة وسهلة الاستخدام لتحديد المرشحين الذين يحتاجون إلى اختبار أميلويد PET أو اختبار CSF.

في حين حاولت الدراسات السابقة التنبؤ بتراكم أميلويد بيتا (Aβ) في الدماغ باستخدام اختبارات الوظيفة الإدراكية واختبارات الدم والتصوير الدماغي، فإن هذه الدراسة القائمة على التعلم الآلي تمثل نهجًا رائدًا يركز على

اختراق التعلم الآلي

أدى التعاون بين جامعة أويتا وشركة Eisai Co. إلى ظهور نموذج مبتكر للتعلم الآلي قادر على التنبؤ بتراكم أميلويد بيتا (Aβ) في الدماغ. ما يميز هذا النموذج هو استخدامه للبيانات القادمة من أجهزة الاستشعار المعصمية، وهو انحراف عن اختبارات الوظيفة الإدراكية والتصوير التقليدية. 

من خلال الاستفادة من البيانات البيولوجية ونمط الحياة، تقدم هذه التكنولوجيا المتطورة حلاً واعدًا للفحص المبكر لمرض الزهايمر.

دور الأميلويد بيتا (Aβ)

الأميلويد بيتا (Aβ) هو بروتين يلعب دورًا مركزيًا في تطور مرض الزهايمر. في مرض الزهايمر، يبدأ أميلويد بيتا (Aβ) في التراكم في الدماغ منذ فترة طويلة قبل أن تصبح الأعراض السريرية واضحة. هذا التراكم هو عامل مرضي حاسم، مما يجعله هدفًا رئيسيًا للتدخلات العلاجية. 

يعد الكشف المبكر عن تراكم أميلويد بيتا (Aβ) أمرًا أساسيًا لتعظيم فعالية العلاج، حيث يسمح بالتدخل الطبي في الوقت المناسب لإبطاء أو تخفيف تقدم المرض.

طرق الكشف التقليدية

كان التصوير المقطعي بالإصدار البوزيتروني (أميلويد PET) واختبارات السائل النخاعي (اختبار CSF) تقليديًا الوسيلة الأساسية للكشف عن تراكم أميلويد بيتا (Aβ) في الدماغ. ومع ذلك، تقدم هذه الطرق عدة تحديات:

توفر محدود: لا تمتلك جميع المؤسسات الطبية القدرة على إجراء اختبار أميلويد PET أو اختبار CSF، مما يحد من الوصول إلى أدوات التشخيص هذه.

تكاليف عالية: يمكن أن تكون هذه الاختبارات باهظة الثمن بشكل يمنع الوصول إليها، مما يجعلها عبئًا ماليًا على العديد من المرضى.

الغزو: يمكن أن تكون إجراءات اختبار أميلويد PET واختبار CSF غازية وغير مريحة للمرضى.

النهج الجديد

يمثل نموذج التعلم الآلي الرائد الذي طورته جامعة أويتا وشركة Eisai Co. انحرافًا كبيرًا عن طرق الكشف التقليدية. من خلال دمج البيانات من أجهزة الاستشعار المعصمية، يستفيد هذا النهج من البيانات البيولوجية ونمط الحياة للتنبؤ بتراكم أميلويد بيتا (Aβ) في الدماغ.

يعد هذا الابتكار بوسيلة أكثر سهولة وفعالية من حيث التكلفة وغير غازية لتحديد الأفراد المعرضين لخطر الإصابة بمرض الزهايمر.

تؤثر عوامل خطر متنوعة، بما في ذلك نمط الحياة والحالات الطبية مثل قلة التمارين الرياضية، والعزلة الاجتماعية، واضطرابات النوم، وارتفاع ضغط الدم، والسكري، وأمراض القلب والأوعية الدموية، على مرض الزهايمر. 

في حين اعتمدت الدراسات السابقة بشكل أساسي على اختبارات الوظيفة الإدراكية والتصوير، فإن هذا النموذج القائم على التعلم الآلي يأخذ في الاعتبار مجموعة أوسع من