اختراق في أبحاث مرض الزهايمر: نموذج مستشعر معصم مدعوم بالذكاء الاصطناعي

بتعاون مع شركة Eisai Co., Ltd.، حققت جامعة أويتا إنجازاً كبيراً في أبحاث مرض الزهايمر (AD). طورت الفرق أول نموذج للتعلم الآلي قادر على التنبؤ بتراكم أميلويد بيتا (Aβ) في الدماغ باستخدام بيانات من مستشعر معصم. يعد هذا النموذج الرائد، الذي تم تفصيله في مجلة Alzheimer’s Research & Therapy في 12 ديسمبر 2023، نهجاً أكثر سهولة وغير جراحي للكشف عن تراكم Aβ في الدماغ، وهو عامل حاسم في مرض الزهايمر.

إحداث ثورة في فحص وتوقع مرض الزهايمر

يمثل نموذج التعلم الآلي الجديد تحولاً في اكتشاف مرض الزهايمر. غالباً ما تكون الطرق التقليدية، مثل التصوير المقطعي بالإصدار البوزيتروني (PET) وفحص السائل النخاعي، محدودة بتكاليفها العالية وطبيعتها الغازية وتوفرها المحدود. على النقيض من ذلك، يستخدم النموذج الجديد بيانات بيئية ونمط حياة سهلة الوصول، يتم جمعها من مستشعرات المعصم والاستشارات الطبية. تشمل هذه البيانات النشاط البدني، وأنماط النوم، ومعدل ضربات القلب، وعوامل نمط الحياة المختلفة مثل التفاعلات الاجتماعية ووسائل النقل.

يدمج النموذج هذه البيانات الشاملة للتنبؤ باحتمالية تراكم Aβ في الدماغ. وقد أظهر نتائج واعدة، مع مؤشر تقييم لمنحنى العمل تحت المنحنى (AUC) يبلغ 0.79، مما يشير إلى إمكانات قوية للفحص الدقيق. لا يجعل هذا النهج فحص مرض الزهايمر أكثر جدوى فحسب، بل يقلل أيضاً من العبء المالي والجسدي على المرضى، خاصة في المناطق ذات الوصول المحدود إلى مرافق الاختبار الطبي المتقدمة.

نقطة تحول في إدارة مرض الزهايمر

يأتي تطوير هذا النموذج في وقت مناسب بشكل خاص، حيث تواجه اليابان تحديات مجتمع يتسم بشيخوخة متزايدة مع ارتفاع عدد مرضى الخرف. تُعرف عوامل نمط الحياة مثل قلة ممارسة الرياضة، والعزلة الاجتماعية، واضطرابات النوم، بالإضافة إلى أمراض مثل ارتفاع ضغط الدم، والسكري، وأمراض القلب والأوعية الدموية، بأنها عوامل خطر لمرض الزهايمر. لذلك، يقف هذا النموذج كأداة حاسمة للكشف المبكر والتدخل، وهو أمر ضروري للإدارة الفعالة لمرض الزهايمر.

استخدمت الدراسة بيانات من دراسة أترابية مستقبلية في مدينة أوسوكي، مقاطعة أويتا، شملت 122 فرداً يعانون من ضعف إدراكي خفيف أو ضعف ذاكرة ذاتي. ارتدى المشاركون، الذين تبلغ أعمارهم 65 عاماً فأكثر، مستشعرات معصم لمدة سبعة أيام تقريباً كل ثلاثة أشهر، مما وفر بيانات بيولوجية مستمرة. تم تحليل هذه البيانات، بالاقتران مع معلومات نمط الحياة التي تم الحصول عليها من خلال الاستشارات الطبية، باستخدام تقنيات التعلم الآلي، بما في ذلك آلة ناقل الدعم (SVM)، والانضباط المرن (Elastic Net)، والانحدار اللوجستي.

حددت الدراسة 22 عاملاً شائعاً يساهم في التنبؤ بتراكم Aβ، مؤكدةً على أهمية النهج المتكامل للتنبؤ بمرض الزهايمر. تشمل هذه العوامل النشاط البدني، وجودة النوم، ومعدل ضربات القلب، ومقاييس التفاعل الاجتماعي، مما يسلط الضوء على التفاعل المعقد بين العوامل البيولوجية وعوامل نمط الحياة في تطور مرض الزهايمر.

آثار مستقبلية لأبحاث وعلاج مرض الزهايمر

يفتح هذا النهج الجديد آفاقاً جديدة لأبحاث وعلاج مرض الزهايمر. إنه يؤكد على أهمية بيانات المريض الشاملة لفهم وتوقع تقدم المرض. علاوة على ذلك، فإن الطبيعة غير الغازية وسهولة الوصول إلى النموذج تجعله أداة لا تقدر بثمن في النضال العالمي ضد مرض الزهايمر، مما يوفر الأمل في الكشف المبكر والتدخل في مختلف الفئات السكانية.

بما أن مرض الزهايمر لا يزال يمثل تحدياً صحياً عالمياً كبيراً، فإن التطورات مثل هذا النموذج حاسمة. فهي لا تعزز فهمنا للمرض فحسب، بل تمهد الطريق لاستراتيجيات علاج أكثر فعالية وشخصية. يُعد التعاون بين جامعة أويتا وشركة Eisai Co., Ltd. دليلاً على قوة الجمع بين البحث الطبي والتكنولوجيا المتطورة، مما يحدد معياراً جديداً في السعي وراء حلول رعاية صحية أفضل.