評估神經(jīng)退行性疾病療法的有效性通常很困難，因為每個患者的進(jìn)展都不同。一項新研究表明，人工智能 (AI) 血液樣本分析可以預(yù)測和解釋疾病進(jìn)展，有朝一日可以幫助醫(yī)生為患者選擇更合適、更有效的治療方法。
麥吉爾大學(xué) The Neuro(蒙特利爾神經(jīng)病學(xué)研究所和醫(yī)院)和 Ludmer 神經(jīng)信息學(xué)和心理健康中心的科學(xué)家使用 AI 算法分析了 1969 名阿爾茨海默氏癥和亨廷頓舞蹈癥患者的血液和死后大腦樣本。他們的目標(biāo)是找到這些疾病特有的分子模式。
幾十年來，該算法能夠檢測出這些患者的基因如何以獨(dú)特的方式表達(dá)自己。這提供了神經(jīng)退行性變背后分子變化的第一個長期觀點(diǎn)，這是一項重要成就，因為神經(jīng)退行性疾病會發(fā)展多年。
以前的神經(jīng)變性研究通常使用靜態(tài)或“快照”數(shù)據(jù)，因此它們在揭示疾病通常緩慢進(jìn)展方面的作用有限。這項研究旨在通過涵蓋數(shù)十年的疾病進(jìn)展來揭示大規(guī)模數(shù)據(jù)中包含的時間順序信息，揭示那段時間基因表達(dá)的變化如何與患者病情的變化相關(guān)。
此外，血液測試檢測到 85% 到 90% 的頂級預(yù)測分子通路，而死后大腦數(shù)據(jù)測試所做的測試表明，大腦和周圍身體的分子變化之間存在驚人的相似性。
該研究的第一作者 Yasser Iturria-Medina 說：“有一天，醫(yī)生可以使用這項測試來評估患者并根據(jù)他們的需要開出治療方案。”“它還可以用于臨床試驗，對患者進(jìn)行分類，并更好地確定實驗藥物如何影響他們預(yù)測的疾病進(jìn)展。”
Iturria-Medina 說他下一步將在其他疾病中測試這些模型，例如帕金森病和肌萎縮側(cè)索硬化癥。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！