Модель машинного обучения предсказывает риск болезни Паркинсона на 15 лет вперед
Недавнее исследование, опубликованное в Neurology, предполагает, что люди с высоким риском развития болезни Паркинсона могут быть выявлены за годы до появления симптомов. Используя машинное обучение для анализа белков, обнаруженных в образцах крови, и объединяя эти данные с простой клинической информацией, исследователи разработали модель, способную предсказывать риск болезни Паркинсона на 15 лет вперед. Такое раннее обнаружение может помочь предотвратить или замедлить прогрессирование этого нейродегенеративного расстройства, открывая новую надежду на управление и лечение заболевания.
Болезнь Паркинсона является вторым по распространенности нейродегенеративным заболеванием после болезни Альцгеймера. Она в первую очередь влияет на движение, вызывая тремор, скованность и проблемы с равновесием. Однако к тому времени, когда появляются эти симптомы, часто происходит значительное и необратимое повреждение мозга. У болезни Паркинсона есть длительная «продромальная фаза», которая может длиться десятилетиями, прежде чем типичные двигательные симптомы станут очевидными. В этот период могут возникнуть недвигательные симптомы, такие как нарушения сна, депрессия и потеря обоняния, но они часто не распознаются как ранние предупреждающие признаки болезни Паркинсона.
Проблема лечения болезни Паркинсона заключается в ее поздней диагностике, когда уже произошло обширное повреждение мозга. Современные методы лечения направлены на устранение симптомов, а не на остановку прогрессирования заболевания. Ученые полагают, что выявление заболевания на ранних стадиях — до заметных двигательных симптомов — может позволить проводить вмешательства, которые предотвращают или задерживают возникновение более серьезных симптомов.
Новое исследование, проведенное под руководством Цзянь-Фэн Фэна , декана Института науки и технологий в области мозгового интеллекта при Университете Фудань, совместно с Вэй Чэном, главным исследователем того же института, было обусловлено необходимостью разработки доступного и неинвазивного способа выявления людей с высоким риском развития болезни Паркинсона за несколько лет до ее наступления.
В исследовательскую группу также вошли Линь-Бо Ван, молодой научный сотрудник-исследователь в Университете Фудань, и Цзя Ю, бывший научный сотрудник-постдокторант, который с тех пор был повышен до молодого научного сотрудника. Их коллективные усилия были сосредоточены на объединении машинного обучения с биомаркерами крови для создания прогностической модели, которая могла бы обнаружить риск болезни Паркинсона задолго до появления клинических симптомов.
«Болезнь Паркинсона характеризуется необратимой потерей дофаминергических нейронов, которая вызвана агрегатами α-синуклеина», — рассказали исследователи. «В 2022 году, обнаружив, что объем мозга у недавно диагностированных пациентов коррелирует с будущим клиническим прогрессированием, мы заинтересовались прогнозированием болезни Паркинсона за годы до клинической диагностики. Раннее выявление имеет первостепенное значение для разработки методов лечения, направленных на замедление атрофии мозга и отсрочку прогрессирования заболевания на самой ранней стадии заболевания».
Чтобы разработать модель, способную предсказать риск болезни Паркинсона, исследователи проанализировали данные более 50 000 участников в UK Biobank, крупном ресурсе здравоохранения в Соединенном Королевстве, который собирает данные о генетических, клинических и образе жизни. Исследование было сосредоточено на уровнях 1463 различных белков, обнаруженных в крови, и на том, как эти белки могут быть связаны с будущими диагнозами болезни Паркинсона.
Исследование включало 52 503 участников, у которых не было болезни Паркинсона на момент начала исследования. У этих участников был проведен анализ плазмы крови для измерения уровня белка. Исследовательская группа использовала машинное обучение, форму искусственного интеллекта, которая выявляет закономерности в данных, для анализа уровня белка в крови наряду с клинической и демографической информацией. Эта информация включала такие факторы, как возраст, образование, история травм головы и другие маркеры здоровья.
В течение медианного периода наблюдения в 14 лет у 751 участника развилась болезнь Паркинсона. Исследователи использовали эти данные для обучения модели машинного обучения, которая могла предсказывать, кто подвержен риску развития болезни Паркинсона на основе их уровня белка и клинических характеристик. Затем они проверили модель, используя отдельный набор данных из Parkinson's Progression Markers Initiative, проекта, который включает людей с диагнозом Паркинсона, людей с высоким риском развития этого заболевания и здоровых людей.
Разработанная исследователями модель достигла высокого уровня точности, правильно идентифицируя людей с риском болезни Паркинсона как в UK Biobank, так и в наборе данных проверки. Анализ показал, что 22 конкретных белка, обнаруженных в плазме крови, были значительно связаны с риском болезни Паркинсона. Некоторые из наиболее важных идентифицированных белков включали нейрофиламентный свет (NfL), белок, связанный с повреждением клеток мозга, и несколько белков, участвующих в воспалении и мышечной функции.
Интегрируя клиническую информацию, такую как возраст, история черепно-мозговой травмы и уровень креатинина в крови (маркер мышечной массы и функции почек), исследователи смогли повысить точность модели. Окончательная версия модели, которая включала как данные о белках, так и клинические данные, смогла предсказать риск болезни Паркинсона с высокой степенью точности, даже за 15 лет до постановки диагноза.
«Сочетание плазменных белков и клинико-демографических показателей способно выявлять лиц с высоким риском развития болезни Паркинсона за 15 лет до клинического диагноза», — говорят Фэн и его коллеги. «Нашу модель можно интегрировать в рутинные медицинские осмотры для выявления лиц с высоким риском развития болезни Паркинсона, тем самым предоставляя возможности для изучения и оценки нейропротекторных методов лечения».
Исследование также показало, что определенные белки показали отчетливые изменения с течением времени у людей, у которых в конечном итоге развилась болезнь Паркинсона. Например, уровни белка NfL начали расти примерно за 12 лет до постановки диагноза, в то время как другие белки, связанные с воспалением и мышечной функцией, показали изменения за несколько лет до постановки диагноза. Эти результаты показывают, что мониторинг уровней белка с течением времени может дать ценную информацию о риске развития болезни Паркинсона у человека.
«Мы были удивлены, обнаружив, что изменения в нескольких белках можно было наблюдать более чем за десятилетие до клинической диагностики», — пояснили исследователи. «Например, NfL, маркер нейронального повреждения и наиболее значимый предсказательный белок, показал повышенные уровни за 12 лет до постановки диагноза, что указывает на раннее нейроаксональное повреждение».
Хотя результаты этого исследования многообещающие, есть несколько ограничений, которые необходимо устранить в будущих исследованиях. Одним из ограничений является отсутствие разнообразия в исследуемой популяции. Большинство участников UK Biobank и Parkinson's Progression Markers Initiative были европейского происхождения, что может ограничить возможность обобщения результатов на другие популяции. Будущие исследования должны будут проверить модель на более разнообразных популяциях, чтобы убедиться, что она эффективна для всех.
Другим ограничением является то, что диагноз болезни Паркинсона в британском биобанке основывался на медицинских записях, которые не всегда могут быть точными. Некоторые участники могли получить неправильный диагноз, особенно в случаях, когда в диагностике не участвовали специалисты. Более точные методы диагностики, такие как визуализация мозга, могли бы помочь повысить надежность будущих исследований.
Кроме того, хотя исследование выявило несколько белков, связанных с риском болезни Паркинсона, многие из этих белков также связаны с другими нейродегенеративными заболеваниями. Например, повышенные уровни NfL были обнаружены при болезни Альцгеймера и других состояниях, которые связаны с повреждением клеток мозга. Поэтому эти белки могут быть недостаточно специфичны для болезни Паркинсона, и могут потребоваться дополнительные биомаркеры, чтобы отличить болезнь Паркинсона от других заболеваний.
Исследование также использовало полуколичественный метод измерения уровня белка, что может ограничить точность результатов. Будущие исследования, которые будут использовать более точные методы измерения, могут помочь усовершенствовать модель и улучшить ее предсказательную силу.
Наконец, модель была обучена с использованием данных, собранных в один момент времени, которые могут не отражать биологические колебания уровня белка. Повторные измерения уровня белка с течением времени могут обеспечить более точные прогнозы и помочь определить наиболее надежные биомаркеры для раннего выявления болезни Паркинсона.
Несмотря на эти ограничения, это исследование представляет собой значительный шаг вперед в раннем выявлении болезни Паркинсона. Разработанная исследователями модель предлагает неинвазивный, экономически эффективный способ выявления лиц с высоким риском развития болезни Паркинсона, потенциально позволяющий проводить более ранние вмешательства, которые могли бы замедлить или предотвратить прогрессирование заболевания. Хотя для подтверждения результатов и уточнения модели необходимы дальнейшие исследования, результаты показывают, что биомаркеры на основе крови в сочетании с клинической информацией могут стать ценным инструментом для прогнозирования риска болезни Паркинсона в общей популяции.
«Наша долгосрочная цель — разработать серию прогностических моделей, применимых в сообществах», — заявили исследователи. «Эти модели будут использовать неинвазивные, экономически эффективные и легкодоступные функции для обнаружения PD и других нейродегенеративных расстройств за годы до клинической диагностики с целью замедления или предотвращения их прогрессирования».
«Кроме того, в настоящее время плата за тестирование белков плазмы высока в высокопроизводительной протеомике. Мы работаем над сотрудничеством с компаниями для проведения анализов крови, специально нацеленных на эти биомаркеры, что значительно снизит затраты на применение», - резюмировали ученые.
Обсудим?
Смотрите также:
