اولین آزمایش در نوع خود، زوال عقل را ۹ سال قبل از تشخیص پیش‌بینی می‌کند

به گزارش مجله خبری نگار، محققان دانشگاه کوئین مری لندن روش جدیدی را برای پیش‌بینی زوال عقل با دقت بیش از ۸۰ درصد و تا نه سال قبل از تشخیص ابداع کرده‌اند. این روش جدید، روشی دقیق‌تر از آزمایش‌های حافظه یا معیار‌های کوچک شدن مغز - دو روش پرکاربرد برای تشخیص زوال عقل - برای پیش‌بینی زوال عقل ارائه می‌دهد.

تیمی به رهبری پروفسور چارلز مارشال با تجزیه و تحلیل اسکن‌های MRI عملکردی (fMRI) یک آزمایش پیش‌بینی‌کننده برای تشخیص تغییرات در «شبکه حالت پیش‌فرض» مغز (DMN) ابداع کردند. DMN نواحی مغز را برای انجام عملکرد‌های شناختی خاص به هم متصل می‌کند و اولین شبکه عصبی بود که تحت تأثیر بیماری آلزایمر قرار گرفت.

محققان از اسکن‌های fMRI بیش از ۱۱۰۰ داوطلب از بیوبانک بریتانیا، یک پایگاه داده زیست‌پزشکی در مقیاس بزرگ و منبع تحقیقاتی حاوی اطلاعات ژنتیکی و پزشکی از نیم میلیون شرکت‌کننده در بریتانیا، برای ارزیابی اتصال مؤثر بین ده ناحیه مغز که حالت پیش‌فرض را تشکیل می‌دهند، استفاده کردند.

محققان به هر بیمار، بر اساس میزان تطابق الگوی اتصال مؤثر آنها با الگویی که نشان‌دهنده زوال عقل یا الگویی مشابه با گروه کنترل است، یک مقدار احتمال برای ابتلا به زوال عقل اختصاص دادند.

آنها این پیش‌بینی‌ها را با داده‌های پزشکی هر بیمار که در بانک زیستی بریتانیا ثبت شده بود، مقایسه کردند. نتایج نشان داد که این مدل، شروع زوال عقل را نه سال قبل از تشخیص رسمی، با دقت بیش از ۸۰٪ پیش‌بینی کرده است. آنها همچنین دریافتند که در مواردی که داوطلبان به زوال عقل مبتلا شدند، این مدل می‌تواند به طور دقیق پیش‌بینی کند که چه مدت طول می‌کشد تا تشخیص داده شود، تا دو سال.

محققان همچنین بررسی کردند که آیا تغییرات در DMN می‌تواند ناشی از عوامل خطر شناخته شده برای زوال عقل باشد یا خیر. تجزیه و تحلیل آنها نشان داد که خطر ژنتیکی برای بیماری آلزایمر ارتباط نزدیکی با تغییرات در اتصال DMN دارد و از این ایده که این تغییرات مختص بیماری آلزایمر هستند، پشتیبانی می‌کند. آنها همچنین دریافتند که انزوای اجتماعی احتمالاً به دلیل تأثیر آن بر اتصال DMN، خطر زوال عقل را افزایش می‌دهد.

چارلز مارشال، استاد و متخصص مغز و اعصاب مشاور افتخاری، تیم تحقیقاتی مرکز علوم اعصاب پیشگیرانه در موسسه سلامت جمعیت کوئین مری ولفسون را رهبری کرد. او گفت: «پیش‌بینی اینکه چه کسی در آینده به زوال عقل مبتلا خواهد شد، برای توسعه درمان‌هایی که می‌توانند از از دست دادن برگشت‌ناپذیر سلول‌های مغزی که باعث علائم زوال عقل می‌شوند، جلوگیری کنند، حیاتی خواهد بود. اگرچه ما در شناسایی پروتئین‌هایی در مغز که می‌توانند باعث آلزایمر شوند، پیشرفت می‌کنیم، بسیاری از افراد دهه‌ها با این پروتئین‌ها در مغز خود بدون بروز علائم زوال عقل زندگی می‌کنند. ما امیدواریم که معیار عملکرد مغز که ما توسعه داده‌ایم، به ما این امکان را بدهد که با دقت بسیار بیشتری تشخیص دهیم که آیا کسی واقعاً به زوال عقل مبتلا خواهد شد و چقدر زود، تا بتوانیم تعیین کنیم که آیا آنها می‌توانند از درمان‌های آینده بهره‌مند شوند یا خیر.»

ساموئل اریرا، نویسنده اصلی و کاندیدای دکترای برنامه بنیاد دانشگاهی در مرکز علوم اعصاب پیشگیرانه موسسه سلامت جمعیت ولفسون، گفت: «با استفاده از این تکنیک‌های تجزیه و تحلیل با مجموعه داده‌های بزرگ، می‌توانیم افرادی را که در معرض خطر بالای زوال عقل هستند شناسایی کنیم و همچنین بفهمیم چه عوامل خطر محیطی این افراد را به منطقه پرخطر سوق داده است. پتانسیل عظیمی برای اعمال این تکنیک‌ها در شبکه‌ها و جمعیت‌های مختلف مغز وجود دارد تا به ما در درک بهتر تعاملات بین محیط، نوروبیولوژی و بیماری، چه در زوال عقل و چه به طور بالقوه در سایر بیماری‌های عصبی، کمک کند. fMRI یک ابزار تصویربرداری پزشکی غیرتهاجمی است که حدود شش دقیقه طول می‌کشد تا داده‌های لازم را در یک اسکنر MRI جمع‌آوری کند، بنابراین می‌تواند در روش‌های تشخیصی موجود، به ویژه در مواردی که MRI در حال حاضر در حال استفاده است، ادغام شود.»

حجت آزادبخت، مدیرعامل AINOSTICS (یک شرکت هوش مصنوعی که با گروه‌های تحقیقاتی پیشرو جهانی برای توسعه تکنیک‌های تصویربرداری مغز برای تشخیص زودهنگام اختلالات عصبی همکاری می‌کند)، گفت: «رویکردی که ما توسعه داده‌ایم، با ارائه یک نشانگر زیستی غیرتهاجمی برای زوال عقل، پتانسیل پر کردن یک شکاف بالینی بزرگ را دارد. در مطالعه‌ای که توسط تیم QMUL منتشر شده است، آنها توانستند افرادی را که بعداً به بیماری آلزایمر مبتلا می‌شوند، تا ۹ سال قبل از تشخیص بالینی، شناسایی کنند. در این مرحله پیش از بروز علائم است که بیماری رخ می‌دهد و تغییر در درمان احتمالاً بیشترین سود را برای بیماران خواهد داشت.»