Model AI przewiduje rozwój Parkinsona na 3 lata do przodu

Naukowcy z Uniwersytetu w Miami opracowali model AI potrafiący oszacować, u których pacjentów z chorobą Parkinsona istnieje większe ryzyko szybkiego pogorszenia funkcji ruchowych i poznawczych w ciągu najbliższych 3 lat. Do oceny wystarczą wyniki rutynowych badań wykonywanych u pacjentów z chorobą Parkinsona według Montrealskiej Skali Oceny Funkcji Poznawczych oraz Zunifikowanej Skali Oceny Choroby Parkinsona. Dokładność obliczeń wynosi 80%.

Prosty test wystarczy, aby ocenić progres choroby

Naukowcy przeanalizowali dwa scenariusze rozwoju choroby:

• szybkie pogorszenie funkcji poznawczych, zdefiniowane jako obniżenie wyniku Montrealska Skala Oceny Funkcji Poznawczych (MoCA)* o co najmniej pięć punktów;
• pogorszenie funkcji ruchowych określone jako wzrost wyniku w części ruchowej mierzone według Zunifikowanej Skali Oceny Choroby Parkinsona (MDS-UPDRS)* o 10 punktów.

Modele zasilono danymi klinicznymi i biomarkerami uzyskanymi z rutynowych testów MoCA i MDS-UPDRS oraz danymi uzyskanymi za pomocą rezonansu magnetycznego obrazującymi zmiany w strukturze mózgu. Najbardziej istotne okazały się wyniki testu amplifikacji nasion alfa-synukleiny (SAA), wskaźniki nasilenia choroby oraz tempo zmian objawów w pierwszym roku po diagnozie.

W przypadku pogorszenia funkcji ruchowych najważniejszymi predyktorami były wynik testu SAA oraz tempo zmiany wyniku MDS-UPDRS w pierwszym roku po rozpoznaniu. W przewidywaniu pogorszenia poznawczego znaczenie miało przede wszystkim tempo wczesnego pogarszania funkcji poznawczych oraz zmiany funkcji ruchowych w pierwszym roku.

Badanie MRI niewiele wnosi do prognoz

Naukowców zaskoczyła niska wartość dodatkowych danych z rezonansu magnetycznego. Początkowo zakładali, że pomiary zaniku struktur mózgu zwiększą skuteczność modeli. Ale strukturalne dane MRI wnosiły stosunkowo niewiele do informacji uzyskiwanych podczas rutynowej oceny klinicznej.

Najlepiej działające modele kliniczne osiągały wartości AUROC powyżej 0,80. Oznacza to, że model w ponad 80% przypadków bezbłędnie wskaże, który pacjent jest w grupie wysokiego ryzyka. Dodanie danych z MRI na ogół nie poprawiało wyników, a w części modeli dotyczących pogorszenia funkcji ruchowych nawet je obniżało.

– Więcej danych niekoniecznie oznacza lepsze dane – mówi Ihtsham ul Haq, profesor neurologii na Uniwersytecie Miami i główny autor badania. Według niego, jedne z najbardziej użytecznych informacji pochodziły z pomiarów, które neurolodzy już rutynowo wykonują podczas wizyt.

Podobny test także dla chorych z Alzheimerem?

Autorzy podkreślają, że modele wymagają dodatkowej walidacji przed wykorzystaniem w praktyce klinicznej. Na obecnym etapie mogą jednak pomóc w badaniach nad przebiegiem choroby Parkinsona.

Jednym z możliwych zastosowań jest lepszy dobór uczestników do badań klinicznych. Pacjenci, u których można przewidzieć większe prawdopodobieństwo pogorszenia stanu zdrowia, są lepszymi kandydatami do badań nad terapiami w chorobie Parkinsona. Jeśli algorytm prognozuje, że stan zdrowia powinien się pogarszać, a terapia zwalnia tempo progresji choroby, oznacza to, że nowy lek może być skuteczny.

Modele mogą też pomóc zrozumieć, dlaczego u części pacjentów choroba postępuje szybciej niż u innych. Naukowcy planują teraz sprawdzić, czy podobne metody można zastosować również w innych chorobach neurodegeneracyjnych, w tym w chorobie Alzheimera.

Badanie opublikowane w „npj Parkinson’s Disease” objęło dane 1602 uczestników Parkinson’s Progression Markers Initiative. Następnie modele zweryfikowano na niezależnej grupie 541 pacjentów z Parkinson’s Disease Biomarkers Program.

Montrealska Skala Oceny Funkcji Poznawczych (MoCA, Montreal Cognitive Assessment) – badanie trwające około 10–12 minut, które służy do wykrywania wczesnych zaburzeń pamięci i myślenia, w tym łagodnych zaburzeń poznawczych (MCI) poprzedzających demencję. Podczas badania lekarz lub psycholog ocenia różne funkcje mózgu pacjenta za pomocą prostych zadań na kartce papieru, takich jak rysowanie zegara, zapamiętywanie krótkiej listy słów, nazywanie zwierząt, powtarzanie cyfr czy określanie bieżącej daty i miejsca. Maksymalny wynik testu wynosi 30 punktów, przy czym uzyskanie 26 punktów lub więcej uznaje się za normę wskazującą na prawidłowe funkcjonowanie umysłu, natomiast niższy rezultat sugeruje potrzebę dalszej, pogłębionej diagnostyki neurologicznej.

Zunifikowana Skala Oceny Choroby Parkinsona (MDS-UPDRS, Movement Disorder Society-Unified Parkinson’s Disease Rating Scale) – skala kliniczna uznawana za złoty standard w ocenie stopnia zaawansowania i monitorowaniu postępów choroby Parkinsona. Badanie składa się z czterech części, które oceniają zarówno pozaruchowe, jak i ruchowe aspekty codziennego życia pacjenta, a także obejmują bezpośrednie badanie neurologiczne sprawności motorycznej (np. drżenia, sztywności mięśniowej i chodu) oraz analizę ewentualnych powikłań stosowanego leczenia farmakologicznego. Każdy z ocenianych elementów otrzymuje od 0 (brak objawów) do 4 punktów (ciężkie nasilenie), a wyższy wynik końcowy oznacza większy stopień niepełnosprawności i bardziej zaawansowane stadium choroby.

Czytaj także: Test krwi przewiduje Alzheimera dekady przed objawami