نقش پررنگ فناوری در پیش بینی آلزایمر - صبح مهریز

به گزارش خبرنگاران، طی دهه اخیر محققان ابزارهای نوینی را برای پیش بینی زودتر و درمان بیماری آلزایمر ارائه داده اند. عوامل بسیاری وجود دارد که بر خطر ابتلای فرد به بیماری آلزایمر تاثیر می گذارد. فرآیندهای مرتبط با سن و عوامل محیطی، اجتماعی و ژنتیکی از جمله این موارد هستند. تا به امروز علت دقیق بیماری آلزایمر ناشناخته مانده است. با این حال، تحقیقات در خصوص چرایی و چیستی این بیماری ادامه دارد. در این خبر قصد داریم روش های جدیدی که محققان آن را برای پیش بینی زودتر بیماری آلزایمر توسعه داده اند معرفی کنیم.

واقعیت مجازی

محققان دانشگاه کمبریج در یک مطالعه جدید نشان دادند که چگونه یک آزمون مسیریابی در واقعیت مجازی می تواند نسبت به دیگر آزمون های شناختی استاندارد که به عنوان آزمون های استاندارد طلایی شناخته می شوند، به خوبی پیش بینی کند که بیماران در مراحل اولیه بیماری آلزایمر هستند یا خیر. مدتی است که محققان دریافته اند یکی از اولین قسمت های مغز که از تحلیل عصبی مربوط به بیماری آلزایمر رنج می برد، قشر اینتورهینال(entorhinal cortex) مغز است. منطقه ای از مغز که به طور ویژه در زمینه های ناوبری و مسیریابی فضایی دخیل است. ایده توسعه این ابزار تشخیصی مبتنی بر واقعیت مجازی این است که این آزمایش ناوبری می تواند به تشخیص اینکه کدام بیماران مبتلا به اختلالات شناختی ضعیف بیشتر محتمل است به بیماری آلزایمر کامل مبتلا شوند، یاری کند. محققان دانشگاه کمبریج یک مسیریابی واقعیت مجازی طراحی نموده اند که به طور خاص برای آزمایش اختلال در قشر اینتورهیتال فرد طراحی شده است. محققان 45 فرد مبتلا به اختلالات شناختی ضعیف(MCI) را برای تشخیص اینکه تنها به اختلالات شناختی ضعیف مبتلا هستند یا خطر ابتلا به آلزایمر در آنها بالا است آزمودند. نمونه های مایع مغزی-نخاعی از همه افراد مورد مطالعه برای آزمایش زیست نشانگرهای مربوط به آلزایمر گرفته شد و 12 مورد مثبت شناسایی شد. محققان پس از انجام آزمایش مسیریابی واقعیت مجازی متوجه شدند که تمام افراد مبتلا به اختلالات شناختی ضعیف که دارای نشانگرهای آلزایمر بودند نسبت به کسانی که فقط مبتلا به اختلالات شناختی ضعیف بودند در انجام وظایف خود بدتر عمل کردند. همچنین این آزمایش نشان داد که آزمون مذکور برای شناسایی بیمارانی که دارای احتمال زیادی برای ابتلا به آلزایمر هستند نسبت به سایر آزمون های شناختی که در حال حاضر در کلینیک ها یا تحقیقات مورد استفاده قرار می گیرد بهتر عمل می نماید. محققان می گویند این آزمایش می تواند به عنوان یک ابزار تشخیصی زودهنگام برای تشخیص بیماران مبتلا به آلزایمر استفاده گردد.

هوش مصنوعی

پژوهشگران آمریکایی سعی دارند تا از روش های مبتنی بر هوش مصنوعی برای پیش بینی به موقع و درمان بهتر آلزایمر استفاده نمایند. اخیرا پژوهشگران دانشگاه پنسیلوانیا (UPenn) از روش های مبتنی بر هوش مصنوعی برای یافتن الگوهای موجود در داده های به دست آمده از بیش از 60 هزار بیمار مبتلا به آلزایمر استفاده کردند تا یکی از بزرگترین پژوهش ها را در خصوص این بیماری انجام دهند. لی شن(Li Shen)، از پژوهشگران این پروژه گفت: ما می دانیم الگوهای پیچیده ای در مغز وجود دارند که قابل تشخیص به وسیله مشاهده نیستند. ممکن است که یک نشانگر ژنتیکی مستقل وجود نداشته باشد که شخص را در معرض بیماری قرار دهد اما ترکیبی از ژن ها وجود دارند که می توانند الگوهای مربوط به بیماری را شکل دهند. پژوهشگران قصد دارند با استفاده از یافته های این پژوهش، مدلی برای پیش بینی کاهش شناختی و پیشرفت آلزایمر ارائه دهند که در آینده می توان از آن برای درمان این بیماری استفاده کرد.

واکسن

واکسن جدیدی موسوم به E22W42 DC که توسط محققان دانشگاه بهداشت فلوریدای جنوبی(USF Health) ساخته شده، نشان داده که ایمنی درمانی با هدف قرار دادن انواع نوروتوکسیک پپتید آمیلوئید بتا که باعث ایجاد پلاک بین سلول های عصبی می گردد، می تواند از پیشرفت بیشتر بیماری آلزایمر جلوگیری کند. این واکسن از سلول های ایمنی بدن برای هدف قرار دادن مولکول های سمی Aβ که به شکل آسیب زا در مغز جمع می شوند، استفاده می نماید و مهمتر از همه، بدون ایجاد واکنش خود ایمنی ناخواسته و مرتبط با واکسن در موش های مسن، اثرات تعدیل سیستم ایمنی را ایجاد می نماید. این واکسن بر روی موش هایی که از نظر ژنتیکی برای ابتلا به ناهنجاری های شناختی مانند انسان مهندسی شده بودند، در مرحله پیش بالینی آزمایش شد و موش ها در این آزمایش به چهار گروه تقسیم شدند. به طور کلی، نتایج کاملاً قابل اعتمادی به دست آمد. گروهی که با E22W42 DC واکسینه شده بودند نسبت به گروه های دیگر خطاهای کمتری در حافظه نشان دادند. علاوه بر این، سطح التهاب گروه واکسینه شده همانند گروه سالم بود.این واکسن در حال حاضر در حال توسعه است و می تواند به تقویت سیستم ایمنی سالمندان یاری کند و از ادامه بیماری جلوگیری کند.

روش درمانی جدید

پژوهشگران سوئدی، روش جدیدی را برای درمان آلزایمر ارائه داده اند و باور دارند تاثیر آن می تواند بیش از روش های دیگر باشد. هنگام بروز بیماری آلزایمر، یک پروتئین، خوشه هایی را در مغز تشکیل می دهد و موجب می گردد که فرد مبتلا به این بیماری، حافظه خود را از دست بدهد. گروهی از پژوهشگران دانشگاه اوپسالا(Uppsala University) سوئد، یک روش درمانی جدید ارائه داده اند که می تواند به تخریب عناصر سازنده این توده های پروتئینی یاری کند. در بیماری آلزایمر، پپتید آمیلوئید بتا طی فرآیندی موسوم به تجمع، خوشه هایی را در مغز تشکیل می دهد. روش های درمان آلزایمر که در حال حاضر مورد استفاده قرار می گیرند، کوشش می نمایند تا این پیوند خوشه های عامل بیماری را از بین ببرند اما توانایی از بین بردن خوشه های کوچکتر را که شاید سمی تر باشند، ندارند. روش درمانی پژوهشگران دانشگاه اوپسالا، پیوندهای خوشه ای را پیش از این که فرصت تجمع پیدا نمایند، از بین می برد. بدین ترتیب، این روش درمانی می تواند امکان تشکیل همه انواع این تجمع ها را کاهش دهد. پژوهشگران تا مدت ها بر این باور بوده اند که پپتید موسوم به سوماتواستاتین(Somatostatin) می تواند بدن را برای کاهش آمیلوئید بتا که تجمع را شکل می دهد، فعال کند اما پژوهشگران در گذشته نتوانسته اند از سوماتواستاتین به عنوان دارو استفاده نمایند زیرا عمر آن در خون، بسیار کوتاه است و نمی تواند از سد خونی مغز عبور کند تا به محل تشکیل تجمع برسد. طی این مطالعه محققان برای آنکه بتوانند سوماتواستاتین را به عنوان یک درمان به کار گیرند، آن را با نوعی پروتئین مخصوص حمل و نقل در مغز ترکیب کردند. این کار به سوماتواستاتین امکان داد تا وارد مغز گردد. این روش، بسیار موثر بود. هنگامی که از پروتئین استفاده کردند، سوماتواستاتین توانست برای چندین روز در مغز باقی بماند.اگرچه این پژوهش روی موش ها صورت گرفته است اما پژوهشگران باور دارند که سوماتواستاتین، همین اثر را بر انسان نیز خواهد داشت و شاید موثرتر از بقیه روش های درمانی باشد.

یادگیری ماشین

پژوهشگران دانشگاه ام.آی.تییک مدل یادگیری ماشینی ابداع نموده اند که می تواند امکان ابتلا به آلزایمر را پیش بینی کند. این مدل، کار خود را با پیش بینی نمرات آزمایش های شناختی بیماران طی بازه زمانی 2 ساله انجام می دهد. شاید بتوان از این مدل، برای بهبود روش انتخاب داروها و آزمایش های بالینی استفاده کرد. مدل مذکور به بیماران نیز یاری می نماید تا بدانند که آیا کاهش قدرت شناختی سریعی را در ماه ها و سال های آینده تجربه می نمایند یا خیر؛ در نتیجه بیماران و خانواده آنها می توانند خود را آماده نمایند. مدل یادگیری ماشینی که محققان توسعه دادند در آزمایشات توانست پیش بینی های دقیقی را در بازه های زمانی 6، 12، 18 و 24 ماه ارائه دهد. پژوهشگران امیدوارند که بتوانند از این مدل برای یاری به بیمارانی که در خطر ابتلا به آلزایمر قرار دارند استفاده نمایند.