مدل محاسباتی جدیدی برای بیماری آلزایمر ارائه شده است

محققان کلینیک مایو مدل جدیدی را برای ترسیم علائم بیماری آلزایمر به آناتومی مغز ارائه کرده اند. این مدل با استفاده از یادگیری ماشینی برای داده های تصویربرداری مغز بیمار توسعه یافته است. برای توضیح رابطه بین آناتومی مغز و پردازش ذهنی، از کل عملکرد مغز به جای مناطق یا شبکه های خاص مغز استفاده می کند. یافته ها در گزارش شده است ارتباطات طبیعت.

دیوید تی جونز، MD، متخصص مغز و اعصاب کلینیک مایو می گوید: «این مدل جدید می تواند درک ما را از نحوه عملکرد و تجزیه مغز در طول پیری و بیماری آلزایمر ارتقا دهد، و راه های جدیدی برای نظارت، پیشگیری و درمان اختلالات ذهنی ارائه دهد. نویسنده اصلی این مطالعه

بیماری آلزایمر معمولاً به عنوان یک مشکل پردازش پروتئین توصیف شده است. پروتئین‌های سمی آمیلوئید و تاو در مناطقی از مغز رسوب می‌کنند و باعث نارسایی نورون می‌شوند که منجر به علائم بالینی مانند از دست دادن حافظه، مشکل در برقراری ارتباط و سردرگمی می‌شود.

با این حال، رابطه بین علائم بالینی، الگوهای آسیب مغزی و آناتومی مغز مشخص نیست. افراد همچنین ممکن است بیش از یک بیماری نورودژنراتیو داشته باشند که تشخیص را دشوار می کند. نقشه برداری رفتار مغز با این مدل محاسباتی ممکن است دیدگاه جدیدی به پزشکان بدهد.

مدل جدید با استفاده از اندازه‌گیری‌های گلوکز مغز از توموگرافی انتشار پوزیترون فلورودوکسی گلوکز (FDG-PET) بر روی 423 شرکت‌کننده در مطالعه که از نظر شناختی آسیب دیده بودند و با مطالعه پیری کلینیک مایو و مرکز تحقیقات بیماری آلزایمر کلینیک مایو درگیر بودند، ایجاد شد. FDG-PET یک آزمایش تصویربرداری است که نشان می دهد چگونه گلوکز سوخت بخش هایی از مغز را تامین می کند. برای مثال، بیماری‌های تخریب‌کننده عصبی، مانند بیماری آلزایمر، زوال عقل بادی لوی و زوال عقل فرونتومپورال، الگوهای متفاوتی برای مصرف گلوکز دارند.

این مدل آناتومی پیچیده مغز مربوط به علائم زوال عقل را در یک چارچوب مفهومی و رنگی فشرده می‌کند که مناطقی از مغز مرتبط با اختلالات عصبی و عملکردهای ذهنی را نشان می‌دهد. الگوهای تصویربرداری نشان داده شده در مدل به علائمی که بیماران تجربه می کنند مربوط می شود.

توانایی پیش بینی این مدل برای تغییرات مرتبط با فیزیولوژی آلزایمر در 410 نفر تایید شد. اعتبار اضافی با ارائه مقدار زیادی داده از پیری طبیعی و سندرم‌های زوال عقل با هدف قرار دادن حافظه، عملکردهای اجرایی، زبان، رفتار، حرکت، ادراک، دانش معنایی و توانایی‌های فضایی به دست آمد.

محققان دریافتند که 51 درصد از واریانس های الگوهای مصرف گلوکز در مغز بیماران مبتلا به زوال عقل تنها با 10 الگو قابل توضیح است. هر بیمار ترکیبی منحصر به فرد از این 10 الگوی گلوکز مغز دارد که به نوع علائمی که تجربه می کند مربوط می شود. در ادامه کار، برنامه بخش هوش مصنوعی اعصاب (AI) کلینیک مایو، که توسط دکتر جونز هدایت می‌شود، از این 10 الگو برای کار بر روی سیستم‌های هوش مصنوعی استفاده می‌کند که به تفسیر اسکن مغز بیمارانی که برای بیماری آلزایمر ارزیابی می‌شوند کمک می‌کند. و سندرم های مرتبط

دکتر جونز می‌گوید: «این مدل محاسباتی جدید، با اعتبار و پشتیبانی بیشتر، این پتانسیل را دارد که تلاش‌های علمی را برای تمرکز بر پویایی در زیست‌شناسی سیستم‌های پیچیده در مطالعه ذهن و زوال عقل به جای تمرکز بر پروتئین‌های اشتباه تا شده، هدایت کند.

“اگر عملکردهای ذهنی مربوط به بیماری آلزایمر به صورت توزیع شده در سراسر مغز انجام شود، یک مدل بیماری جدید مانند آنچه ما پیشنهاد می کنیم مورد نیاز است. ما فکر می کنیم که این مدل می تواند به طور بالقوه بر تشخیص، درمان و درک اساسی از تخریب عصبی و ذهنی تاثیر بگذارد. توابع به طور کلی.”