ഇക്ലിനിക്കൽ മെഡിസിനിൽ അടുത്തിടെ പ്രസിദ്ധീകരിച്ച ഒരു പഠനത്തിൽ, മെൻഡേലിയൻ റാൻഡമൈസേഷൻ (എംആർ), ഡീപ് ലേണിംഗ് (ഡിഎൽ) എന്നിവ ഉപയോഗിച്ച് അൽഷിമേഴ്സ് രോഗം (എഡി) പാതയിലെ വ്യത്യസ്ത പാറ്റേണുകൾ തിരിച്ചറിയാൻ ഗവേഷകർ രോഗ പുരോഗതി വിശകലനം ചെയ്തു.

പഠനം: അൽഷിമേഴ്സ് രോഗ സഞ്ചാരപഥത്തിലെ അടിസ്ഥാന പാറ്റേണുകൾ തിരിച്ചറിയൽ: Deep Learning സമീപനവും മെൻഡേലിയൻ റാൻഡമൈസേഷൻ വിശകലനവും.

പശ്ചാത്തലം

ഇന്റർ-വ്യക്തിഗത, ഇൻട്രാ-വ്യക്തിഗത തലങ്ങളിൽ വൈവിധ്യമാർന്ന ക്ലിനിക്കൽ അവതരണമുള്ള ഒരു ന്യൂറോ ഡീജനറേറ്റീവ് അവസ്ഥയാണ് അൽഷിമേഴ്സ് രോഗം.

ഈ അവസ്ഥയുടെ വൈവിധ്യമാർന്ന സ്വഭാവം നേരത്തെയുള്ള രോഗനിർണയം സുഗമമാക്കുന്നതിനും രോഗ പുരോഗതിയുടെ അപകടസാധ്യത നിർണ്ണയിക്കുന്നതിനും എഡി രോഗികൾക്ക് മൊത്തത്തിലുള്ള പരിചരണ നിലവാരം മെച്ചപ്പെടുത്തുന്നതിന് ഉടനടി ചികിത്സ ആരംഭിക്കുന്നതിനും ഫലപ്രദമായ ഉപകരണങ്ങൾ വികസിപ്പിക്കാൻ ആവശ്യപ്പെടുന്നു.

പഠനത്തെ കുറിച്ച്

നിലവിലെ പഠനത്തിൽ, വൈജ്ഞാനിക തകർച്ചയുടെ വിവിധ ഘട്ടങ്ങളിലൂടെ പുരോഗതിയുടെ അപകടസാധ്യത വിലയിരുത്തുന്നതിന് ഗവേഷകർ ഒരു പുതിയ ഡിഎൽ അധിഷ്ഠിത മോഡൽ വികസിപ്പിക്കുകയും സാധൂകരിക്കുകയും ചെയ്തു.

വൈജ്ഞാനികമായി സാധാരണ (സിഎൻ) ഘട്ടത്തിൽ നിന്ന് നേരിയ വൈജ്ഞാനിക വൈകല്യം (എംസിഐ) ഘട്ടത്തിലേക്കും അൽഷിമേഴ് സ് രോഗം (എഡി) വികാസത്തിലേക്കും പുരോഗതിയുടെ പാറ്റേണുകൾ വിലയിരുത്തുന്നതിന് ഗവേഷകർ ഒരു ഡിഎൽ അധിഷ്ഠിത മോഡൽ വികസിപ്പിച്ചെടുത്തു.

എഡി ന്യൂറോഇമേജിംഗ് ഇനിഷ്യേറ്റീവ് (എഡിഎൻഐ) ഗ്രൂപ്പിലെ 1,370 വ്യക്തികളിൽ നിന്നുള്ള ക്ലിനിക്കൽ, ടി 1 റിലാക്സേഷൻ-വെയ്റ്റഡ് എംആർഐ ഡാറ്റ ഉപയോഗിച്ച് മോഡൽ പരിശീലിപ്പിക്കുകയും ഓസ്ട്രേലിയൻ ഇമേജിംഗ് ബയോമാർക്കേഴ്സ് ആൻഡ് ലൈഫ്സ്റ്റൈൽ സ്റ്റഡി ഓഫ് ഏജിംഗ് (എഐബിഎൽ) ഗ്രൂപ്പിൽ (233 വ്യക്തികൾ) നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ച് ബാഹ്യമായി സാധൂകരിക്കുകയും ചെയ്തു.

എഡി പാതകളിലെ ക്ലിനിക്കൽ, ഫിസിയോളജിക്കൽ പ്രാധാന്യമുള്ള പ്രവണതകൾ തിരിച്ചറിയാനുള്ള മോഡലിന്റെ കഴിവ് ടീം വിലയിരുത്തി. കൂടാതെ, കണ്ടെത്തിയ പാറ്റേണുകളുടെ രോഗനിർണയ മൂല്യം വിലയിരുത്തുന്നതിന് ടൈം-ടു-പരിവർത്തന പ്രവചനം നടത്തി.

തിരിച്ചറിഞ്ഞ പാറ്റേണുകളും അൽഷിമേഴ്സ് രോഗ വികസനവും തമ്മിലുള്ള കാര്യകാരണ ബന്ധങ്ങൾ വിലയിരുത്തുന്നതിന് ഒരു മെൻഡേലിയൻ റാൻഡമൈസേഷൻ പഠനവും നടത്തി.

അൽഷിമേഴ്സ് രോഗ പുരോഗതിയുടെ തുടർച്ചയായ ഘട്ടങ്ങൾ തമ്മിലുള്ള പരിവർത്തനങ്ങൾ ഗവേഷകർ വിലയിരുത്തി: പഠന തുടക്കത്തിൽ നേരിയ വൈജ്ഞാനിക വൈകല്യം (സിഎൻ മുതൽ എംസിഐ വരെ) വികസിപ്പിച്ച കോഗ്നിറ്റീവ് നോർമൽ (സിഎൻ) എന്ന് തിരിച്ചറിഞ്ഞ രോഗികളും പഠന ആരംഭത്തിൽ എഡി (എംസിഐ മുതൽ എഡി വരെ) വികസിപ്പിച്ച എംസിഐ ഉള്ളവരും.

സിഎൻ ടു എംസിഐ ഡാറ്റാസെറ്റിൽ 587 വ്യക്തികൾ ഉണ്ടായിരുന്നു [315 (54%) സ്ത്രീകളായിരുന്നു, ശരാശരി പ്രായം 75 വയസ്സായിരുന്നു. 119 (20%) പേർക്ക് നേരിയ വൈജ്ഞാനിക വൈകല്യം ഉണ്ടായി. എംസിഐ ടു എഡി ഡാറ്റാസെറ്റിൽ 783 വ്യക്തികൾ [306 (39%) സ്ത്രീകൾ ഉൾപ്പെടുന്നു, ശരാശരി 75 വയസ്സ്, അതിൽ 44% പേർക്ക് എഡി ഡിമെൻഷ്യ വികസിച്ചു.

രണ്ടോ അതിലധികമോ ടി 1 ഘടനാപരമായ എംആർഐകൾ ഉള്ളവരെ മാത്രമാണ് പഠനത്തിൽ ഉൾപ്പെടുത്തിയത്. പരീക്ഷണത്തിന്റെ തുടക്കത്തിലും വൈജ്ഞാനികമായി സാധാരണ നിലയിൽ നിന്ന് എംസിഐ ഘട്ടത്തിലേക്കോ എംസിഐ ഘട്ടത്തിൽ നിന്ന് എഡിയുമായി ബന്ധപ്പെട്ട ഡിമെൻഷ്യയിലേക്കോ പരിവർത്തനം ചെയ്ത വ്യക്തികൾക്കായി ടീം എംആർഐ, ക്ലിനിക്കൽ ഡാറ്റ എന്നിവ തിരഞ്ഞെടുത്തു. സെൻസർ ചെയ്ത വ്യക്തികൾക്കായി പരീക്ഷണത്തിന്റെ ആരംഭത്തിൽ നിന്നും പഠനത്തിന്റെ അവസാനത്തിൽ നിന്നുമുള്ള ഡാറ്റ ഗവേഷകർ തിരഞ്ഞെടുത്തു.

ഉപയോഗപ്രദമായ ക്ലിനിക്കൽ സവിശേഷതകൾ തിരഞ്ഞെടുത്തുവെന്ന് ഉറപ്പാക്കാൻ ഓരോ ഡാറ്റാസെറ്റിലും 30% ൽ താഴെ ഡാറ്റ നഷ്ടപ്പെട്ട ക്ലിനിക്കൽ സവിശേഷതകൾ മാത്രമേ ഉൾപ്പെടുത്തിയിട്ടുള്ളൂ. തിരഞ്ഞെടുത്ത എഡിഎൻഐ പങ്കാളികൾക്ക് 1.5, 3.0 ടി മാഗ്നറ്റിക് റെസൊണൻസ് ഇമേജിംഗ് ഡാറ്റ വീണ്ടെടുത്തു.

തലച്ചോറിന്റെ വലത്, ഇടത് അർദ്ധഗോളങ്ങളിൽ നിന്ന് ന്യൂറോഇമേജിംഗ് പാരാമീറ്ററുകളായി ശരാശരി കോർട്ടിക്കൽ കനം, ചാര ദ്രവ്യത്തിന്റെ അളവ്, കോർട്ടിക്കൽ ഉപരിതല വിസ്തീർണ്ണ മൂല്യങ്ങൾ എന്നിവ സംഘം വീണ്ടെടുത്തു. കോക്സ് ആനുപാതിക ഹസാർഡ് മോഡലിംഗ് ഉപയോഗിച്ചാണ് അപകട അനുപാതങ്ങൾ (എച്ച്ആർ) കണക്കാക്കിയത്. കോൺകോർഡൻസ് ഇൻഡക്സ് (സി-ഇൻഡക്സ്) മൂല്യങ്ങളും നിർണ്ണയിക്കപ്പെട്ടു.

ഫലങ്ങൾ

ഗണ്യമായി വൈവിധ്യമാർന്ന ബയോമാർക്കറുകളും വ്യത്യസ്ത പുരോഗതി നിരക്കുകളും ഉപയോഗിച്ച് വേർതിരിക്കുന്ന പാറ്റേണുകൾ മോഡൽ തിരിച്ചറിഞ്ഞു. എച്ച്ആർ മൂല്യങ്ങൾ (സിഎൻ മുതൽ നേരിയ വൈജ്ഞാനിക വൈകല്യ ഘട്ടം, അപകട അനുപാതം, 3.5; അൽഷിമേഴ്സ് രോഗം, അപകട അനുപാതം, 8.1), കോൺകോർഡൻസ് സൂചിക (വൈജ്ഞാനികമായി സാധാരണ മുതൽ എംസിഐ വരെ, 0.6; എംസിഐ മുതൽ എഡി വരെ, 0.7), കർവിന് കീഴിലുള്ള പ്രദേശം (എംസിഐക്ക് വൈജ്ഞാനികമായി സാധാരണമാണ്, മൂന്ന് വർഷം 0.8, അഞ്ച് വർഷം 0.9; MCIAD, മൂന്ന് വർഷം 0.9, അഞ്ച് വർഷം 0.96) ഗണ്യമായ പ്രവചന ശേഷി കാണിച്ചു.

ബാഹ്യ മൂല്യനിർണ്ണയ സംഘത്തിലെ പരിവർത്തന സമയ എസ്റ്റിമേറ്റിൽ മോഡൽ മികച്ച പ്രകടനം കാഴ്ചവച്ചു (സിഎൻ മുതൽ നേരിയ വൈജ്ഞാനിക വൈകല്യ ഘട്ടം, കോൺകോർഡൻസ് സൂചിക, 0.7; അൽഷിമേഴ്സ് രോഗത്തിലേക്കുള്ള എംസിഐ, കോൺകോർഡൻസ് സൂചിക, 0.8).

വ്യത്യസ്ത അട്രോഫി നിരക്കുകളുള്ള സിമുലേറ്റഡ് പാറ്റേണുകൾ മോഡൽ കണ്ടെത്തുക മാത്രമല്ല, എഡി സഞ്ചാരപഥത്തിലെ സമയ-രോഗ പരിവർത്തന എസ്റ്റിമേറ്റിന്റെ കാര്യത്തിൽ മറ്റ് അത്യാധുനിക മോഡലുകളെക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുകയും ചെയ്തു. ഫീൽഡ് ശക്തി, നിർമ്മാതാവ് തുടങ്ങിയ വേരിയബിളുകൾ നിയന്ത്രിച്ചതിന് ശേഷം സ്ഥിരമായ കണ്ടെത്തലുകൾ നിരീക്ഷിച്ചു, ഇത് മോഡലിന്റെ ആശ്രയത്വത്തെയും കരുത്തിനെയും സൂചിപ്പിക്കുന്നു.

പോസിറ്റീവ് അമിലോയ്ഡ് ബീറ്റ (എ +) അല്ലെങ്കിൽ ഫോസ്ഫോറിലേറ്റഡ് ടൗ (ടി +) നിലയുള്ള വ്യക്തികൾക്ക് എംസിഐ അല്ലെങ്കിൽ എഡി വികസിപ്പിക്കാനുള്ള സാധ്യത കൂടുതലാണ്. എംസിഐ മുതൽ എഡി വരെയുള്ള പരിവർത്തന പാറ്റേണുകൾ ന്യൂറോ ഡീജനറേഷന്റെ വ്യത്യസ്ത അടിസ്ഥാന ഉപഗ്രൂപ്പുകളെ സൂചിപ്പിക്കുന്നു, ഇത് ബയോമാർക്കർ ഘടന, കോഗ്നിറ്റീവ് സ്കോറുകൾ, ഇമേജിംഗ് സിഗ്നലുകൾ എന്നിവയിൽ മാത്രമല്ല, ജനിതക ഉത്ഭവത്തിലും വ്യത്യാസപ്പെട്ടിരിക്കുന്നു.

ആദ്യ മൂന്ന് വർഷങ്ങളിൽ എംസിഐ മുതൽ എഡി വരെയുള്ള പാറ്റേണുകളും രോഗത്തിലേക്കുള്ള പരിവർത്തനവും തമ്മിൽ ഒരു കാര്യകാരണ ബന്ധം നിരീക്ഷിച്ചു. DESL-AS1 ലെ ക്രോമസോം 18 ലെ മൂന്ന് ജനിതക വകഭേദങ്ങൾ (rs176004, rs393881, rs281552) എംസിഐയെ എഡി ഡിമെൻഷ്യയിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.

സിഎൻ മുതൽ എംസിഐ വരെയും എംസിഐ മുതൽ എഡി ഡിമെൻഷ്യ കേസുകളിലും, സ്ത്രീ ലൈംഗികത, കുറഞ്ഞ മസ്തിഷ്ക അളവ് (ഹിപ്പോകാമ്പസ്, എൻടോർഹിനൽ കോർട്ടെക്സ്, മിഡിൽ ടെമ്പറൽ ഗൈറസ് പോലുള്ള പ്രദേശങ്ങളിൽ), മോശം കോഗ്നിറ്റീവ് അസസ്മെന്റ് സ്കോറുകൾ (മിനി-മെന്റൽ സ്റ്റേറ്റ് എക്സാമിനേഷൻ (എംഎംഎസ്ഇ), എഡി അസസ്മെന്റ് സ്കെയിൽ-കോഗ്നിറ്റീവ് സബ്സ്കെയിൽ (എഡിഎ) എന്നിവ വൈജ്ഞാനിക പ്രവർത്തനത്തിന്റെ ദ്രുതഗതിയിലുള്ള ക്ലിനിക്കൽ തകർച്ചയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.

കൂടാതെ, എഡി വികസിപ്പിക്കുന്നതിനുള്ള ഒരു പ്രധാന അപകട ഘടകമായ എപിഒഇ 4 എംസിഐ മുതൽ എഡി സാമ്പിളിൽ ശക്തമായി പ്രകടിപ്പിച്ചു. മുഴുവൻ തലച്ചോറും, എൻടോറിനൽ കോർട്ടെക്സ്, ഫ്യൂസിഫോം ഗൈറസ് എന്നിവ സിഎൻ മുതൽ എംസിഐ വരെയും എംസിഐ മുതൽ എഡി പുരോഗതി വരെയും വ്യത്യസ്ത പാറ്റേണുകളിൽ നിർണായക പങ്ക് വഹിച്ചു, ഇത് എഡി പുരോഗതിയുടെ പാറ്റേണുകൾ വേർതിരിച്ചറിയുന്നതിനുള്ള ഒരു പ്രധാന ന്യൂറൽ സിഗ്നേച്ചറായി ഈ പ്രദേശങ്ങൾ ഉയർന്നുവരുന്നുവെന്ന് സൂചിപ്പിക്കുന്നു.

ഉപസംഹാരം

മൊത്തത്തിൽ, പഠന കണ്ടെത്തലുകൾ യഥാർത്ഥ ലോക ഡാറ്റ ഉപയോഗിച്ച് എഡി പുരോഗതി പ്രവചിക്കുന്നതിനുള്ള ഒരു മാതൃക ഉയർത്തിക്കാട്ടി. മോഡൽ ക്ലിനിക്കൽ, ബയോളജിക്കൽ പാറ്റേണുകൾ തിരിച്ചറിഞ്ഞു, എഡി പുരോഗതിയെക്കുറിച്ചുള്ള ഞങ്ങളുടെ ധാരണ മെച്ചപ്പെടുത്തി. ക്ലിനിക്കൽ ട്രയൽ രൂപകൽപ്പനയ്ക്കും തീരുമാനമെടുക്കുന്നതിനും ഇത് സഹായിക്കും.

വ്യക്തിഗത രോഗിയുടെ സഞ്ചാരപഥങ്ങളുടെ യാഥാർത്ഥ്യബോധം നൽകുന്നതിന് ക്ലിനിക്കൽ ബയോമാർക്കറുകളുടെയും ന്യൂറോഇമേജിംഗ് സവിശേഷതകളുടെയും മോഡലിംഗ് അതിജീവന ക്ലസ്റ്ററിംഗ് പ്രാപ്തമാക്കി.