Dr. Islem Rekik dvije je godine vodio studiju, koju je financirala EU, kako bi utvrdio kako izgledaju neuronske mreže u zdravom mozgu, kako bi se lakše uočile one disfunkcionalne.
POGLEDAJTE VIDEO:
Rekik i njezin tim uzeli su veliku količinu podataka iz 3D skeniranja mozga kao što je MRI i pretvorili ih u 2D mape koje prikazuju mreže mozga. Svaka mreža, poznata kao konektom i slična dijagramu električnog ožičenja, otkriva labirintski sustav neurona koji povezuju različite zone mozga.
Mapiranje puta
Iz ovih su konektoma istraživači proizveli predloške povezanosti mozga, koji djeluju kao neuralni otisci prstiju. Oni pokazuju kako je mozak strukturiran kada su sve mreže pravilno raspoređene i rade kako bi trebale (dopuštajući pritom prirodnu varijaciju koja se očekuje u određenoj populaciji zdravih pojedinaca).
„Mozak s poremećajima pokazat će se kao karta s mrežama koje odstupaju od onih koje se vide u predlošku zdravog mozga”, kaže Rekik, direktorica laboratorija za istraživanje i analizu mozga i signala, ili BASIRA, na Tehničkom sveučilištu u Istanbulu u Turskoj. „Postavljanjem takve karte preko predloška, ističe se disfunkcija.”
Poremećaji mozga golem su zdravstveni izazov, kako za svakog trećeg Europljanina za kojeg se očekuje da će patiti od neurološkog ili psihijatrijskog poremećaja, tako i za službe skrbi za žrtve.
Načelno vrijedi, što se prije te bolesti dijagnosticiraju, to bolje. Rano liječenje povećava šanse za usporavanje ili poništavanje potencijalno nepovratnog oštećenja moždanog tkiva.
No, neke poremećaje mozga, uključujući Alzheimerovu bolest, autizam, epilepsiju i poremećaje spavanja, posebno je teško dijagnosticirati. Čak i kada se ova stanja utvrde, mogućnosti liječenja često su ograničene.
Ove vrste bolesti kategorizirane su kao ‚složene’ i odražavaju nedostatak jedne greške u strukturi mozga ili u načinu na koji je ožičen.
Izazov za znanstvenike nije samo identificirati regije zahvaćene složenim moždanim poremećajem, već i utvrditi splet neuralnih puteva koji se aktiviraju kada se poruke šalju između pogođenih regija.
Ključne veze
Boljim razumijevanjem ovih ključnih veza, istraživači mogu dobiti cjelovitiju sliku složenih poremećaja i započeti potragu za tretmanima za rješavanje temeljnih mrežnih kvarova.
Rekik i njezin tim proizveli su svoje mape moždanih mreža i predloške povezivanja u projektu NormNets, koji je trajao 24 mjeseca do ožujka 2022.
Nadamo se da će usporedbom otiska mozga s poremećajima s otiskom dobivenim iz populacije zdravog mozga biti lakše uočiti greške u mreži te na vrijeme usmjeriti pacijenta prema najprikladnijem liječenju.
Istraživači sada usavršavaju metode strojnog učenja za analizu pojedinačnih moždanih mapa.
Na kraju, planiraju napraviti svoj predložak zdravog mozga otvorenog koda. To znači da će ga svaki stručnjak koji radi na bolestima mozga, od genetičara i epigenetičara do neuroznanstvenika i neuropsihologa, moći slobodno koristiti u studijama.
Koristeći svoju metodu mapiranja, istraživači su već identificirali glavne moždane mreže uključene u blago kognitivno oštećenje i određene oblike autizma. Iako su preventivne terapije i lijekovi za ova stanja još daleko, Rekik je uvjerena da će istraživanje njezine grupe utrti put budućim tretmanima.
„Sljedeći će korak biti osmišljavanje tretmana koji ciljaju ne samo na regiju mozga, već na cijeli konektom”, rekla je. „Predložak će također biti alat za usporedbu skeniranja mozga pojedinaca od kolijevke pa do groba, što znači da možemo pratiti kako se mozak mijenja tijekom vremena i kod zdravih pojedinaca i kod onih koji razvijaju neurodegenerativne poremećaje kako stare.”
Napredni podaci
Još jedna briga znanstvenika koji rade na složenim moždanim poremećajima je da ljudi dobiju brzu dijagnozu kako bi se personalizirana skrb mogla pružiti bez odgode.
EU financira zasebni projekt za poboljšanje dijagnostičke točnosti i kliničkih ishoda složenih moždanih poremećaja.
Inicijativa nazvana MES-CoBraD koja traje do ožujka 2024., ima za cilj razviti platformu koja može obraditi različite medicinske podatke iz stvarnog svijeta.
Prikuplja i integrira velike količine anonimiziranih informacija iz različitih izvora uključujući bolnice, postojeće baze podataka istraživanja, pametne satove i fitness uređaje za praćenje.
Te se informacije zatim koriste u platformi za provođenje eksperimenata koji generiraju nova znanstvena saznanja i za obuku računalnih algoritama koje podržava umjetna inteligencija (AI). Algoritmi, poznati kao ekspertni sustavi, oponašaju i proširuju sposobnosti donošenja odluka ljudskih stručnjaka.
Dr. Christos Ntanos, direktor istraživanja u Decision Support Systems Lab na Nacionalnom tehničkom sveučilištu u Ateni u Grčkoj, koordinira projektom MES-CoBraD i naglašava obećanja i ograničenja tehnologije kao što je AI.
„Uvođenjem ekspertnih sustava i umjetne inteligencije u neurologiju i medicinu općenito, kliničari mogu višestruko povećati pozitivan učinak koji imaju na svoje pacijente”, rekao je Ntanos. „Iako moramo biti oprezni, strojevi bi se trebali koristiti kako bi nadopunili stručnost medicinskih stručnjaka i pomogli im u donošenju dobrih odluka. Oni nisu zamjena za ljudsku prosudbu i odgovornost.”
Zbog same svoje prirode, složeni poremećaji mozga otežavaju postavljanje dijagnoze koju postavljaju ljudi. Često se poremećaj pojavljuje s popratnim bolestima, što otežava razlikovanje jedne bolesti od druge i zamagljuje dijagnostički proces.
„Tipično je da čak i ako se primarni poremećaj može dijagnosticirati s relativnom lakoćom, identificiranje komorbidnog stanja može predstavljati značajan izazov”, kaže Ntanos. „Upotrebom podataka iz stvarnog svijeta te napredne analitike i umjetne inteligencije, nastojimo poboljšati dijagnostičku točnost i identificirati najučinkovitije tretmane i za primarno stanje i za njegov komorbiditet.”
Fokus na pacijenta
Projekt MES-CoBradD planira istraživačkim institutima diljem Europe ponuditi platformu za izvođenje vlastitih analiza i testova.
Na primjer, znanstvenici iz sveučilišne bolnice mogu prikupiti podatke od vlastitih pacijenata, anonimizirati informacije, učitati ih na platformu i izvoditi eksperimente pomoću ponuđenih alata.
Također se očekuje da će liječnici i njihovi pacijenti od platforme imati i izravne koristi.
„Na kraju, cilj je da kliničari koriste ekspertne sustave platforme za postavljanje dijagnoza na pojedinačnim pacijentima”, kaže Ntanos.
On sam bio je predmet jednog od eksperimenata projekta.
„Sudjelovao sam u studiji spavanja koja je koristila podatke prikupljene u prošlosti i podatke koje su prikupili volonteri poput mene u sadašnjosti”, rekao je Ntanos. „Kad ne spavate dobro, kao što ja često ne spavam, dio vas se pita je li to povezano sa stresom ili nečim drugim.”
Tjedan dana pratio je svoje obroke i dnevne aktivnosti, odgovarao na mnoga pitanja, radio testove pamćenja, nosio sat poznat kao aktigraf, koji prati cikluse odmora i aktivnosti, a zatim se priključio na 40 do 50 senzora prije nego što je zaspao.
„Dobra je vijest da su se platforma i neurolog složili da je sa mnom neurološki sve u redu”, rekao je Ntanos. „Radi se o stresu.”
Autorica Vittoria D’Alessio
Ovaj je članak izvorno objavljen u časopisu Horizon, časopisu za istraživanje i inovacije EU-a.