- تمكنت دراسة التعلم الآلي في طب وايل كورنيل من تصنيف مرض باركنسون إلى ثلاث مجموعات فرعية، وهو التطور الذي يحمل القدرة على استهداف المرضى بشكل فعال بعلاجات محددة لتطور مرضهم.
- من خلال تحليل البيانات من دراسة موجودة، قام الباحثون بتقسيم المجموعة إلى مجموعة ذات وتيرة سريعة، ومجموعة ذات وتيرة بطيئة، ومجموعة ذات وتيرة معتدلة – وهو نهج يقر بالطبيعة غير المتجانسة للمرض.
- ويقول الخبراء إن النتائج منطقية وتحمل وعدًا كبيرًا، لكنهم يحذرون من ضرورة استكشاف أعداد أكبر من السكان لإنشاء نماذج أكثر دقة.
في أعقاب بحث جديد من جامعة بوسطن أظهر أن نموذج الذكاء الاصطناعي كان قادرًا على التنبؤ باحتمالات إصابة الشخص بمرض الزهايمر، تمكن باحثو طب وايل كورنيل من تصنيف مرض باركنسون إلى ثلاثة أنواع فرعية باستخدام التعلم الآلي.
وتظهر النتائج -التي تظهر في
قام باحثون في جامعة كورنيل بتحليل بيانات من 406 شخصًا شاركوا في مبادرة علامات تقدم مرض باركنسون (PPMI)، وهي دراسة مراقبة دولية “جمعت بشكل منهجي البيانات السريرية والعينات الحيوية والبيانات متعددة الجينوم وتصوير الدماغ للمشاركين”.
لقد قاموا بتطوير نموذج التعلم العميق المسمى “التضمين العميق للتقدم الظاهري” (DPPE)، والذي كان قادرًا على نمذجة “بيانات التقدم الطولية متعددة الأبعاد للمشاركين” بشكل “شامل”، كما أوضح المؤلفون في ورقة الدراسة.
ويشير المؤلفون أيضًا إلى أنه في السنوات الأخيرة كان هناك تحرك نحو ملاحظة مرض باركنسون باعتباره حالة ذات أعراض وتطور غير متجانسين.
وبعبارة أخرى، لن يحظى جميع الأفراد المصابين بمرض باركنسون بنفس التجربة، وبالتالي قد يكون العلاج مصمماً بشكل أكبر ليناسب احتياجات المرضى المختلفة.
تعتمد المجموعات الفرعية الثلاثة لمرض باركنسون التي تم تحديدها بواسطة التعلم الآلي على سرعة تقدم المرض:
- الوتيرة السريعة (PD-R)، والتي تتميز بالتقدم السريع للأعراض. من بين المجموعة التي تمت ملاحظتها، كان لدى 54 شخصًا (13.3%) هذا النوع الفرعي.
- تسارع المرض (PD-I)، الذي يتميز بأعراض أساسية خفيفة وتطور خفيف نسبيًا. من بين المجموعة التي تمت ملاحظتها، كان لدى 145 شخصًا (35.7%) هذا التنوع.
- الوتيرة المعتدلة (PD-M)، والتي تتميز بأعراض أساسية خفيفة وتطور معتدل. كانت هذه هي النسبة الأكبر من المجموعة التي تمت ملاحظتها، حيث يعيش 207 أشخاص (50.9%) بهذا الشكل من مرض باركنسون.
ويشير مؤلفو الدراسة إلى أن تصنيفاتهم “سلطت الضوء على ضرورة معالجة الأنواع الفرعية (لمرض باركنسون) باعتبارها اضطرابات فرعية فريدة ضمن الممارسة السريرية، حيث يمكن لأنواعنا الفرعية أن تساعد في تصنيف المرضى وإدارتهم”.
ومن خلال تحديد أنواع محددة من المرض، يمكن أن تصبح الأساليب السريرية أكثر استهدافا وفعالية.
قال كليمنس شيرزر، دكتور في الطب، وهو طبيب وعالم وأستاذ في علم الأعصاب ستيفن ودينيس آدامز في كلية الطب بجامعة ييل، والذي لم يشارك في الدراسة: الأخبار الطبية اليوم إن النتائج الحسابية للدراسة مثيرة للاهتمام للغاية، لكنه حذر من أنها أولية للغاية وتحتاج إلى أعداد أكبر من السكان لتطوير مثل هذه التصنيفات والتحقق من صحتها.
وأشار شيرزر إلى أن “الهدف من الطب الدقيق هو التنبؤ بمسار المرض لدى المريض والتدخل العلاجي مسبقًا لمنع حدوث المضاعفات. ولتحقيق هذه الغاية، نحتاج إلى تحديد العامل المسبب للمرض لدى كل مريض وتطوير علاجات مستهدفة”.
“على سبيل المثال، وجدنا أن 10% من مرضى باركنسون في (الولايات المتحدة) يعانون من
ومع ذلك، قال دانييل ترونج، طبيب أعصاب ومدير طبي لمعهد ترونج لعلوم الأعصاب في مركز ميموريال كير أورانج كوست الطبي في فاونتن فالي، كاليفورنيا، ورئيس تحرير مجلة مرض باركنسون السريري والاضطرابات ذات الصلة، والذي لم يشارك أيضًا في الدراسة، م.ت. أن المجموعات الفرعية هي نهج منطقي ومنهجي لعلاج مرض باركنسون.
“على سبيل المثال، قد يستفيد المرضى المصابون بالنوع الفرعي Rapid Pace (PD-R) من استراتيجيات علاجية أكثر عدوانية ومراقبة أكثر دقة مقارنة بالمرضى المصابين بالنوع الفرعي Inching Pace (PD-I)، الذين قد يحتاجون إلى إدارة أقل كثافة. يمكن أن تساعد معرفة النوع الفرعي للمريض في توجيه اختيار الأدوية، بما في ذلك إعادة استخدام الأدوية الموجودة مثل الميتفورمين، والتي تشير الدراسة إلى أنها قد تكون مفيدة بشكل خاص للنوع الفرعي PD-R.”
– الدكتور دانيال ترونج
وأوضح ترونج أن ذلك “يسمح بتصميم الرعاية الصحية التنبؤية والوقائية لكل نوع فرعي”.
وأضاف أن “التدخل المبكر قد يكون ضروريًا في حالة المرضى الذين يعانون من أعراض تقدمية سريعة. وهذا أمر بالغ الأهمية لإدارة الأعراض قبل أن تصبح شديدة وموهنة. ويساعد التصنيف الفرعي في تصنيف المرضى على أساس المخاطر التي يتعرضون لها، مما يتيح إجراء تجارب سريرية أكثر تركيزًا وفعالية للعلاجات الجديدة، فضلاً عن تخصيص موارد الرعاية الصحية بشكل أفضل”.
واتفق ستيفن ألدير، BMedSci، BMBS، FRCP، DM، وهو استشاري طب الأعصاب في Re:Cognition Health، والذي لم يشارك في الدراسة، على أن التحديد المسبق للمجموعات الفرعية المختلفة من شأنه أن يسمح للمهنيين الطبيين بالعمل على خطط علاج محددة لكل منها.
وقد ذكر العلاجات الممكنة لكل منها، مشيرا إلى:
- إنشينغ بيس (PD-I): “يمكن أن تركز العلاجات على الحفاظ على جودة الحياة ومنع تطور الأعراض من خلال تعديلات نمط الحياة والعلاج الطبيعي وربما الأدوية العصبية الوقائية.”
- الوتيرة المعتدلة (PD-M): “يعاني هؤلاء المرضى من تقدم معتدل في المرض. وقد يستفيدون من مجموعة من العلاجات الدوائية لإدارة الأعراض وإبطاء التقدم، مثل منبهات الدوبامين أو مثبطات أكسيداز أحادي الأمين من النوع B أو علاجات أخرى تعدل المرض”.
- الوتيرة السريعة (PD-R): “يتطور هذا النوع الفرعي بسرعة وغالبًا ما ينطوي على عجز إدراكي. وقد أظهر الميتفورمين وعدًا في تحسين الأعراض في هذه المجموعة، وخاصة فيما يتعلق بالإدراك والسقوط. قد يكون التدخل المبكر باستخدام الميتفورمين وغيره من العوامل العصبية الوقائية أمرًا بالغ الأهمية لإدارة هذا النوع الفرعي”.
كان الاهتمام الرئيسي لدى أولدر بشأن استخدام تكنولوجيا التعلم الآلي للتنبؤ بأمراض مثل مرض باركنسون يدور حول مدى إمكانية الوصول إلى مثل هذه الأداة للأشخاص الذين يحتاجون إليها.
“أنا لا أتوقع وجود مشاكل مع نموذج الذكاء الاصطناعي، ولكنني أتوقع وجود مشاكل مع قدرة المرضى على الوصول إليه”، هذا ما أخبرنا به.
“وبينما تعد نماذج الذكاء الاصطناعي أدوات قوية لتحديد الأنواع الفرعية للأمراض والتنبؤ بتطورها، إلا أن هناك مشكلات محتملة تتعلق بقدرة المرضى على الوصول إلى الخدمات. فقد لا يتمكن جميع المرضى من الوصول إلى أدوات التشخيص المتقدمة أو العلاجات المستمدة من أبحاث الذكاء الاصطناعي، وخاصة في البيئات التي تعاني من نقص الموارد”، كما أشار ألدر.
ومع ذلك، وفقًا له، قد تكون هناك مشكلة أخرى تتمثل في “استخدام بيانات المرضى المكثفة لتدريب نموذج الذكاء الاصطناعي”، وهو ما “يثير مخاوف بشأن خصوصية البيانات وأمنها”.
وقال ألدر: “يجب التحقق من صحة نماذج الذكاء الاصطناعي عبر مجموعات سكانية متنوعة للتأكد من أنها ليست متحيزة تجاه مجموعات سكانية محددة”.
وقال شيرزر، في تأكيد لتصريحه السابق، إن القوة الكبيرة التي تتمتع بها الذكاء الاصطناعي في تحقيق علاجات طبية دقيقة ستعتمد في نهاية المطاف على المزيد من الأبحاث والتجارب.
وأشار إلى أن “نجاح الذكاء الاصطناعي في التنبؤ بالنتائج يعتمد على حجم وجودة البيانات المدخلة. والفجوة الرئيسية في هذا المجال هي أننا نحتاج إلى مجموعات بيانات أطول وأكثر جودة وطولية لمرضى باركنسون – بيانات عن مجموعات سكانية كبيرة تمتد إلى المراحل الأولية ومسار المرض بالكامل. وستكون هذه ضرورية لتدريب وإثبات صحة نماذج الذكاء الاصطناعي المفيدة للطب المعزز”.