Ученые из Университета Нового Южного Уэльса в Сиднее с сотрудниками из Бостонского университета разработали инструмент, который обещает раннее обнаружение болезни Паркинсона за годы до появления первых симптомов.

В исследовании, опубликованном сегодня в журнале ACS Central Science , исследователи описали, как они использовали нейронные сети для анализа биомаркеров в жидкостях организма пациентов.

Исследователи из Школы химии UNSW изучили образцы крови , взятые у здоровых людей, собранные Испано-европейским проспективным исследованием рака и питания (EPIC). Сосредоточив внимание на 39 пациентах, у которых болезнь Паркинсона развилась 15 лет спустя, команда запустила свою программу машинного обучения с наборами данных, содержащими обширную информацию о метаболитах — химических соединениях, которые организм создает при расщеплении пищи, лекарств или химических веществ.

После сравнения этих метаболитов с метаболитами 39 пациентов контрольной группы — людей в том же исследовании, у которых не развилась болезнь Паркинсона — команда смогла определить уникальные комбинации метаболитов, которые могут предотвратить или потенциально быть ранними предупреждающими признаками болезни Паркинсона.

Как объясняет исследователь UNSW Дайана Чжан, она и доцент В. Александр Дональд разработали инструмент машинного обучения под названием CRANK-MS, что означает классификация и ранжирование с использованием нейронной сети, генерирующей знания из масс-спектрометрии.

«Наиболее распространенный метод анализа данных метаболомики — это статистические подходы», — говорит Чжан.

«Поэтому, чтобы выяснить, какие метаболиты более значимы для заболевания по сравнению с контрольными группами, исследователи обычно рассматривают корреляции с участием конкретных молекул».

«Но здесь мы принимаем во внимание, что метаболиты могут иметь ассоциации с другими метаболитами, и именно здесь вступает в действие машинное обучение. С сотнями и тысячами метаболитов мы использовали вычислительную мощность, чтобы понять, что происходит».

А/проф. Дональд говорит, что помимо изучения комбинаций метаболитов исследователи использовали неотредактированный список данных.

«Обычно исследователи, использующие машинное обучение для изучения корреляций между метаболитами и болезнями, сначала сокращают количество химических признаков, прежде чем вводить их в алгоритм», — говорит он.

«Но здесь мы загружаем всю информацию в CRANK-MS без какого-либо сокращения данных с самого начала. И из этого мы можем получить прогноз модели и определить, какие метаболиты больше всего влияют на прогноз, и все это за один шаг. Это означает, что если есть метаболиты, которые потенциально могли быть пропущены при использовании обычных подходов, теперь мы можем их подобрать».

В настоящее время болезнь Паркинсона диагностируют, наблюдая физические симптомы , такие как тремор рук в состоянии покоя. Нет ни крови, ни лабораторных анализов для диагностики негенетических случаев. Но атипичные симптомы, такие как расстройство сна и апатия, могут проявляться у людей с болезнью Паркинсона за несколько десятилетий до появления двигательных симптомов. Следовательно, CRANK-MS можно использовать при первых признаках этих атипичных симптомов, чтобы исключить или исключить риск развития болезни Паркинсона в будущем.

Тем не менее, A/Prof Дональд подчеркивает, что необходимы валидационные исследования с использованием гораздо более крупных когорт и их проведение в нескольких частях земного шара, прежде чем инструмент можно будет надежно использовать. Но в ограниченной когорте, участвовавшей в этом исследовании, результаты были многообещающими: CRANK-MS мог анализировать химические вещества, обнаруженные в крови, для выявления болезни Паркинсона с точностью до 96 процентов.

«Это исследование интересно на нескольких уровнях, — говорит он.

«Во-первых, точность прогнозирования болезни Паркинсона до постановки клинического диагноза очень высока. Во-вторых, этот подход к машинному обучению позволил нам определить химические маркеры, которые являются наиболее важными для точного прогнозирования того, у кого в будущем разовьется болезнь Паркинсона. В-третьих, некоторые из химических маркеров, которые обеспечивают точное предсказание, ранее другие связывали с болезнью Паркинсона в клеточных анализах, но не у людей».

Пища для размышлений

При изучении метаболитов людей, у которых в ходе исследования развилась болезнь Паркинсона, были получены некоторые интересные результаты .

Например, тритерпеноиды были обнаружены в более низких концентрациях в крови тех, у кого позже развилась болезнь Паркинсона, по сравнению с теми, у кого ее не было. Тритерпеноиды являются известными нейропротекторами, которые регулируют окислительный стресс и обычно содержатся в таких продуктах, как яблоки, оливки и помидоры. Будущее исследование может выяснить, может ли употребление этих продуктов естественным образом защитить от развития болезни Паркинсона.

Также заслуживает дальнейшего изучения наличие полифторированных алкильных веществ (ПФАС) у людей, у которых развилась болезнь Паркинсона, что может быть связано с воздействием промышленных химикатов.

«У нас есть доказательства того, что это PFAS, но нам нужно больше данных о характеристиках, чтобы быть на 100% уверенными», — говорит A/Prof Дональд.

В свободном доступе для всех

CRANK-MS — это общедоступный инструмент для любых исследователей, которые хотели бы использовать машинное обучение для диагностики заболеваний с использованием данных метаболомики.

«Мы построили модель таким образом, чтобы она соответствовала цели», — говорит Чжан.

«Применение CRANK-MS для выявления болезни Паркинсона — это лишь один пример того, как ИИ может улучшить способы диагностики и мониторинга заболеваний. Что интересно, так это то, что CRANK-MS можно легко применять к другим заболеваниям для выявления новых представляющих интерес биомаркеров».

«Этот инструмент удобен для пользователя, так как в среднем результаты можно получить менее чем за 10 минут на обычном ноутбуке».

https://medicalxpress.com/news/2023-05-scientists-ai-tool-parkinson-disease.html