Επιστήμονες του Κέιμπριτζ ανέπτυξαν ένα εργαλείο Τεχνητής Νοημοσύνης ικανό να προβλέψει σε τέσσερις από τις πέντε περιπτώσεις αν οι άνθρωποι, με πρώιμα σημάδια άνοιας θα παραμείνουν σταθεροί, ή θα αναπτύξουν τη νόσο Αλτσχάιμερ.
Η ομάδα λέει ότι αυτή η νέα προσέγγιση θα μπορούσε να μειώσει την ανάγκη για επεμβατικές και δαπανηρές διαγνωστικές εξετάσεις, ενώ θα βελτίωνε τα αποτελέσματα της θεραπείας σε πρώιμο στάδιο, όταν οι παρεμβάσεις, όπως οι αλλαγές στον τρόπο ζωής ή τα νέα φάρμακα, μπορεί να έχουν την ευκαιρία να λειτουργήσουν καλύτερα.
Υπενθυμίζεται πως η άνοια αποτελεί σημαντική παγκόσμια πρόκληση για την υγειονομική περίθαλψη, καθώς επηρεάζει πάνω από 55 εκατομμύρια ανθρώπους παγκοσμίως, με εκτιμώμενο ετήσιο κόστος 750,88 δισεκατομμυρίων ευρώ. Ο αριθμός των περιπτώσεων αναμένεται να τριπλασιαστεί σχεδόν τα επόμενα 50 χρόνια.
Η κύρια αιτία της άνοιας είναι η νόσος Αλτσχάιμερ, η οποία αντιπροσωπεύει το 60-80% των περιπτώσεων. Η έγκαιρη ανίχνευση είναι ζωτικής σημασίας, καθώς τότε είναι πιθανό οι θεραπείες να είναι πιο αποτελεσματικές, ωστόσο η έγκαιρη διάγνωση της άνοιας και η πρόγνωση μπορεί να μην είναι ακριβείς χωρίς τη χρήση επεμβατικών ή δαπανηρών εξετάσεων, όπως η τομογραφία εκπομπής ποζιτρονίων (PET) ή η οσφυονωτιαία παρακέντηση, οι οποίες δεν είναι διαθέσιμες σε όλες τις νευρολογικες κλινικές. Ως αποτέλεσμα, έως και το ένα τρίτο των ασθενών μπορεί να διαγνωστεί λανθασμένα και άλλοι να διαγνωστούν πολύ αργά για να είναι αποτελεσματική η θεραπεία.
Μια ομάδα με επικεφαλής επιστήμονες από το τμήμα ψυχολογίας του πανεπιστημίου του Κέιμπριτζ, ανέπτυξε ένα μοντέλο μηχανικής μάθησης, ικανό να προβλέψει εάν και πόσο γρήγορα ένα άτομο με ήπια προβλήματα μνήμης και σκέψης θα εξελιχθεί σε άτομο με νόσο Αλτσχάιμερ. Σε έρευνα που δημοσιεύεται σήμερα στο eClinical Medicine, δείχνουν ότι είναι πιο ακριβές από τα τρέχοντα κλινικά διαγνωστικά εργαλεία.
Για τη δημιουργία του μοντέλου τους, οι ερευνητές χρησιμοποίησαν δεδομένα ασθενών που συλλέγονται τακτικά, μη επεμβατικά και με χαμηλό κόστος, γνωστικά τεστ και δομικές μαγνητικές τομογραφίες που δείχνουν ατροφία της φαιάς ουσίας, από πάνω από 400 άτομα που ανήκαν σε ερευνητική κοόρτη στις ΗΠΑ.
Στη συνέχεια δοκίμασαν το μοντέλο χρησιμοποιώντας δεδομένα ασθενών από νοσοκομεία και από άλλους 600 συμμετέχοντες από την αμερικανική κοόρτη και, πράγμα σημαντικό, διαχρονικά δεδομένα από 900 άτομα από νευρολογικές κλινικές στο Ηνωμένο Βασίλειο και τη Σιγκαπούρη.
Ο αλγόριθμος ήταν σε θέση να διακρίνει μεταξύ των ατόμων με σταθερή ήπια γνωστική εξασθένιση και εκείνων που εξελίχθηκαν σε νόσο Αλτσχάιμερ εντός τριετίας. Ήταν σε θέση να εντοπίσει σωστά τα άτομα που προχώρησαν στην ανάπτυξη της νόσου Αλτσχάιμερ στο 82% των περιπτώσεων και να εντοπίσει σωστά εκείνα που δεν προχώρησαν στο 81% των περιπτώσεων μόνο από τα γνωστικά τεστ και τη μαγνητική τομογραφία.
Ο αλγόριθμος ήταν περίπου τρεις φορές πιο ακριβής στην πρόβλεψη της εξέλιξης της νόσου Αλτσχάιμερ από ό,τι το σημερινό πρότυπο περίθαλψης, δηλαδή οι συνήθεις κλινικοί δείκτες (όπως η ατροφία της φαιάς ουσίας) ή η κλινική διάγνωση. Αυτό δείχνει ότι το μοντέλο θα μπορούσε να μειώσει σημαντικά την εσφαλμένη διάγνωση.
Το μοντέλο επέτρεψε επίσης στους ερευνητές να ομαδοποιήσουν τα άτομα με νόσο Αλτσχάιμερ χρησιμοποιώντας δεδομένα από την πρώτη επίσκεψη κάθε ατόμου στην κλινική μνήμης σε τρεις ομάδες: σε εκείνους των οποίων τα συμπτώματα θα παρέμεναν σταθερά (περίπου το 50% των συμμετεχόντων), σε εκείνους που θα εξελίσσονταν αργά σε Αλτσχάιμερ (περίπου το 35%) και σε εκείνους που θα εξελίσσονταν ταχύτερα (το υπόλοιπο 15%).
Η επικεφαλής συγγραφέας καθηγήτρια, Ζωή Κούρτζη, από το Τμήμα Ψυχολογίας του Πανεπιστημίου του Κέιμπριτζ δήλωσε: «Δημιουργήσαμε ένα εργαλείο το οποίο, παρά το γεγονός ότι χρησιμοποιεί μόνο δεδομένα από γνωστικά τεστ και μαγνητικές τομογραφίες, είναι πολύ πιο ευαίσθητο από τις τρέχουσες προσεγγίσεις στην πρόβλεψη του κατά πόσον κάποιος θα εξελιχθεί από ήπια συμπτώματα σε νόσο Αλτσχάιμερ - και αν ναι, κατά πόσον αυτή η εξέλιξη θα είναι γρήγορη ή αργή».
«Αυτό έχει τη δυνατότητα να βελτιώσει σημαντικά την ευημερία των ασθενών, δείχνοντάς μας ποιοι άνθρωποι χρειάζονται εντατικότερη φροντίδα, ενώ παράλληλα αφαιρεί το άγχος για εκείνους τους ασθενείς που προβλέπουμε ότι θα παραμείνουν σταθεροί. Σε μια εποχή έντονης πίεσης στους πόρους της υγειονομικής περίθαλψης, αυτό θα συμβάλει επίσης στην εξάλειψη της ανάγκης για περιττές επεμβατικές και δαπανηρές διαγνωστικές εξετάσεις», σημείωσε η επικεφαλής.
