نوشته شانیا کندی
بر اساس مطالعه‌ای که اخیراً در آرلینگتون منتشر شده است، محققان دانشگاه تگزاس در آرلینگتون (UTA) مدلی را برای پیش‌بینی چگونگی پیشرفت آلزایمر بیمار در طول زمان توسعه داده‌اند. تحقیقات فارماکولوژیک.
موسسه ملی پیری (NIA) تخمین می زند که بیش از شش میلیون بزرگسال در ایالات متحده ممکن است به بیماری آلزایمر مبتلا باشند. این بیماری شایع ترین علت زوال عقل در افراد مسن است و هفتمین علت مرگ و میر در ایالات متحده است.
از آنجایی که آلزایمر با از دست دادن عملکرد شناختی در طول زمان مشخص می شود، همچنین یکی از دلایل اصلی ناتوانی است. با بدتر شدن بیماری، بیماران نیاز به افزایش سطح حمایت مراقب دارند.
کمک به بیماران آلزایمر و مراقبان آنها برای پیش بینی این نیازهای مراقبتی اضافی می تواند برخی از چالش های جسمی، روانی، اقتصادی و اجتماعی را که با پیشرفت بیماری همراه است، کاهش دهد.
با این حال، پیش بینی این پیشرفت می تواند دشوار باشد.
برای پرداختن به این موضوع، تیم تحقیقاتی یک چارچوب جدید مبتنی بر یادگیری برای تعیین دقیق محل قرارگیری بیمار در طیف توسعه بیماری آلزایمر ایجاد کردند. انجام این کار می‌تواند بیماران، مراقبان و پزشکان را قادر سازد تا زمان‌بندی مراحل بعدی و شدیدتر بیماری را بهتر پیش‌بینی کنند، که برنامه‌ریزی مراقبت در آینده را تقویت می‌کند.
دکتر داجیانگ ژو، دانشیار علوم و مهندسی کامپیوتر در UTA، در توضیح داد: «برای دهه‌ها، انواع رویکردهای پیش‌بینی‌کننده از نظر قابلیت پیش‌بینی بیماری آلزایمر و پیش‌ساز آن، اختلال شناختی خفیف، پیشنهاد و ارزیابی شده‌اند. یک انتشار خبری بسیاری از این ابزارهای پیش‌بینی قبلی، ماهیت پیوسته چگونگی پیشرفت بیماری آلزایمر و مراحل انتقال بیماری را نادیده گرفتند.»
این چارچوب برای کدگذاری پنج مرحله از پیشرفت بیماری آلزایمر – شناخت طبیعی، نگرانی قابل توجه حافظه (SMC)، اختلال شناختی خفیف اولیه (EMCI)، اختلال شناختی خفیف دیررس (LMCI) و بیماری آلزایمر – با استفاده از یک “درخت جاسازی کننده بیماری” طراحی شده است. ” (DETree).
DETree نشان دهنده پنج مرحله بالینی و مسیر حرکت آنها به عنوان یک درخت برای نشان دادن پیشرفت آلزایمر است. سپس با نمایش داده های یک بیمار بر روی درخت، وضعیت بالینی و مسیر حرکت آنها قابل پیش بینی است.
برای آزمایش این چارچوب، محققان داده‌های 266 بیمار در گروه ابتکار تصویربرداری عصبی بیماری آلزایمر را استخراج کردند. سپس این ابزار با مدل های موجود طراحی شده برای پیش بینی پیشرفت آلزایمر مقایسه شد.
DETree قادر به پیش‌بینی مؤثر و دقیق هر پنج مرحله بالینی در سراسر گروه بود، در حالی که مدل‌های دیگر به دو مرحله بالینی محدود شدند. چارچوب DETree همچنین اطلاعات عمیق تری را در مورد وضعیت آلزایمر هر بیمار با پیش بینی اینکه در آینده در مسیر بیماری قرار خواهند گرفت، ارائه کرد.
ژو گفت: «ما می دانیم که افراد مبتلا به بیماری آلزایمر اغلب علائم بدتر را با سرعت های بسیار متفاوتی نشان می دهند. ما خوشحالیم که چارچوب جدید ما دقیق‌تر از سایر مدل‌های پیش‌بینی موجود است، که امیدواریم به بیماران و خانواده‌هایشان کمک کند تا برای عدم قطعیت‌های این بیماری پیچیده و ویرانگر برنامه‌ریزی بهتری داشته باشند.»
در حرکت رو به جلو، محققان قصد دارند کاربرد احتمالی این ابزار را در پیش‌بینی پیشرفت سایر بیماری‌های چند مرحله‌ای مانند بیماری کروتزفلد-جاکوب، بیماری هانتینگتون و بیماری پارکینسون بررسی کنند.
پیش بینی پیشرفت بیماری آلزایمر تنها یک تکه از این پازل است. محققان همچنین در تلاش هستند تا علائم اختلال شناختی خفیف را مدت‌ها قبل از شروع بیماری‌های تخریب‌کننده عصبی در مراحل آخر تشخیص دهند.
کارشناسان بهداشت دانشگاه ایندیانا و موسسه همکاری داووس آلزایمر (DAC) با HealthITAnalytics سال گذشته برای بحث در مورد آزمایشی که این دو در سیستم سلامت اجرا می‌کنند: برنامه‌ای با استفاده از ابزارهای غربالگری دیجیتال مبتنی بر هوش مصنوعی (AI) برای حمایت از تشخیص زودهنگام اختلالات شناختی در محیط مراقبت‌های اولیه.
این آزمایشی برای تغییر مراقبت شناختی از واکنشی به پیشگیرانه طراحی شده است که غربالگری را برای بیماران و پزشکان در دسترس تر و موثرتر می کند.