Smadzeņu skenēšana, lai palīdzētu ID autismam?
Jaunie pētījumi liecina, ka var būt diena, kad smadzeņu skenēšanas laikā var atklāt ar autismu saistītas novirzes smadzenēs.
Agrīna šo specifisko smadzeņu patoloģiju atklāšana varētu uzlabot diagnozi un uzlabot izpratni par autisma spektra traucējumiem.
Ar autismu saistīto biomarķieru atklāšana ir bijusi sarežģīta, bieži vien tāpēc, ka metodes, kas parāda solījumu ar vienu pacientu grupu, neizdodas, ja tās tiek pielietotas citai.
Jaunā pētījumā zinātnieki tomēr ziņo par jaunu panākumu pakāpi. Viņu piedāvātais biomarķieris strādāja ar salīdzinoši augstu precizitātes pakāpi, novērtējot divus dažādus pieaugušo kopumus.
Zinātnieki izstrādāja datora algoritmu ar nosaukumu “klasifikators”, Jo tā var klasificēt subjektu kopas - personas ar autisma spektra traucējumiem un tās, kurām nav -, pamatojoties uz funkcionālās magnētiskās rezonanses attēlveidošanas (fMRI) smadzeņu skenēšanu.
Analizējot tūkstošiem smadzeņu tīkla savienojamības savienojumu ar daudziem cilvēkiem ar un bez autisma, programmatūra atrada 16 galvenos starpreģionālos funkcionālos savienojumus, kas ļāva tai ar lielu precizitāti pateikt, kam tradicionāli diagnosticēts autisms un kam nē.
Tehnoloģija galvenokārt tika izstrādāta Starptautiskajā Telekomunikāciju pētījumu institūtā Kioto, Japānā, un trīs līdzautori Rodas salā, Brauna universitātē, piedalījās lielā mērā.
Pētnieki pētīja 181 pieaugušo brīvprātīgo trīs vietās Japānā un pēc tam pielietoja algoritmu 88 pieaugušo amerikāņu grupai septiņās vietās. Visiem pētījuma brīvprātīgajiem ar autisma diagnozi nebija intelektuālās attīstības traucējumu.
"Tas ir pirmais pētījums, kurā [veiksmīgi] tiek piemērots klasifikators pilnīgi atšķirīgai kohortai," sacīja līdzautors Dr. Yuka Sasaki, Brown kognitīvo, lingvistisko un psiholoģisko zinātņu asociētais profesors.
"Iepriekš ir bijuši daudzi mēģinājumi. Beidzot pārvarējām problēmu. ”
Klasifikators, kurā apvienoti divi mašīnmācīšanās algoritmi, labi darbojās katrā populācijā, vidēji japāņu brīvprātīgajiem bija vidēji 85 procenti, bet amerikāņiem - 75 procenti.
Pētnieki aprēķināja, ka varbūtība, ka šāda starppopulācijas veiktspējas pakāpe būs redzama tikai nejauši, bija 1,4 no miljona.
Pētnieki apstiprināja klasifikatora efektivitāti citā veidā, salīdzinot klasifikatora prognozi par autisma diagnozi ar galveno klīnikiem pašlaik pieejamo diagnostikas metodi - Autisma diagnostikas novērošanas grafiku (ADOS).
ADOS pamatā ir nevis bioloģijas vai fizioloģijas marķieri, bet gan ārsta intervijas un uzvedības novērojumi. Klasifikators spēja paredzēt ADOS sakaru komponenta rādītājus ar statistiski nozīmīgu korelāciju 0,44. Korelācija liecina, ka 16 klasifikatora identificētie savienojumi attiecas uz ADOS svarīgiem atribūtiem.
Pēc tam pētnieki atklāja, ka savienojumi ir saistīti ar smadzeņu tīklu, kas atbild par tādām smadzeņu funkcijām kā citu cilvēku atzīšana, sejas apstrāde un emocionālā apstrāde. Šī anatomiskā izlīdzināšana atbilst simptomiem, kas saistīti ar autisma spektra traucējumiem, piemēram, sociālo un emocionālo uztveri.
Visbeidzot, komanda meklēja, vai klasifikators pienācīgi atspoguļo līdzības un atšķirības starp autisma spektra traucējumiem un citiem psihiskiem stāvokļiem.
Piemēram, ir zināms, ka autismam ir dažas līdzības ar šizofrēniju, bet ne ar depresiju vai uzmanības deficīta hiperaktivitātes traucējumiem.
Lietojot pacientiem ar katru no šiem citiem traucējumiem, salīdzinot ar līdzīgiem cilvēkiem bez apstākļiem, klasifikators parādīja mērenu, bet statistiski nozīmīgu precizitāti, izšķirot šizofrēnijas pacientus, bet ne depresijas vai ADHD pacientus.
MRI skenēšana, kas nepieciešama datu apkopošanai, bija vienkārša, sacīja Sasaki. Priekšmetiem mašīnā vajadzēja pavadīt tikai apmēram 10 minūtes, un viņiem nebija jāveic īpaši uzdevumi. Viņiem vienkārši vajadzēja palikt mierā un atpūsties.
Neskatoties uz šo vienkāršību un, lai arī klasifikatoram ir bijis nepieredzēti labs pētniecības jautājums, sacīja Sasaki, tas vēl nav gatavs kļūt par klīnisku instrumentu. Kaut arī nākotne var radīt šo attīstību, vispirms būs nepieciešami uzlabojumi.
"Precizitātes līmenim jābūt daudz augstākam," sacīja Sasaki. "Astoņdesmit procentu precizitāte var nebūt noderīga reālajā pasaulē."
Nav arī skaidrs, kā tas darbotos bērnu vidū, jo visi šī pētījuma brīvprātīgie bija pieaugušie.
Lai gan klasifikators nav gatavs pašreizējai diagnostikai, jo precizitāte uzlabo skenēšanu, un analīze var būt ne tikai uz fizioloģiju balstīts diagnostikas rīks, bet arī pieeja ārstēšanas efektivitātes uzraudzībai.
Varbūt ārsti kādreiz varēs izmantot rīku, lai uzraudzītu, vai terapija rada izmaiņas smadzeņu savienojamībā, sacīja Sasaki.
Pētījums tiek publicēts žurnālā Dabas komunikācijas.
Avots: Brauna universitāte
