Naučnici su nedavno postigli značajan napredak u razumevanju multiple skleroze (MS) identifikovanjem dva nova biološka podtipa bolesti uz pomoć veštačke inteligencije (AI). Ova otkrića, objavljena u uglednom časopisu „Brain“, otvaraju vrata ka personalizovanim tretmanima koji bi mogli poboljšati ishode za pacijente obolele od MS-a.
Istraživanje je obuhvatilo 600 pacijenata i kombinovalo analizu krvi za protein poznat kao serumski laki lanac neurofilamenta (sNfL) sa MRI skeniranjem mozga. Analiza podataka izvršena je pomoću algoritma mašinskog učenja pod nazivom „SuStaIn“. Ovaj pristup omogućava istraživačima da dobiju dublji uvid u biološke osnove bolesti, što može biti ključno za razvoj efikasnijih tretmana.
Identifikovani su dva podtipa multiple skleroze: rani sNfL i kasni sNfL. Rani sNfL karakteriše visok nivo proteina u ranoj fazi bolesti, uz brzu pojavu moždanih lezija. S druge strane, kod kasnog sNfL, oštećenja mozga javljaju se sporije, a nivo proteina raste pre nego što dođe do značajnijih oštećenja. Ovi biološki podtipovi omogućavaju lekarima da preciznije prate stanje pacijenata i da ranije primene ciljane terapije.
Glavni autor studije, Arman Ešagi, naglašava da podtipovi zasnovani na biologiji bolesti pružaju bolji uvid u patofiziologiju multiple skleroze u poređenju sa kliničkim klasifikacijama koje su često zasnovane isključivo na simptomima. Ovo može dovesti do boljeg razumevanja mehanizama bolesti i omogućiti razvoj novih terapijskih pristupa.
Eksperti iz Društva za multiplu sklerozu ocenjuju ovo otkriće kao „uzbudljivo“ i ističu njegov potencijal da unapredi razvoj personalizovanih tretmana širom sveta. Personalizovana medicina, koja se oslanja na individualne karakteristike pacijenata, može značajno poboljšati efikasnost terapija i smanjiti nuspojave.
Multipla skleroza je hronična bolest koja pogađa centralni nervni sistem, a njeni uzroci su još uvek nedovoljno razjašnjeni. Simptomi variraju od osobe do osobe i mogu uključivati probleme sa vidom, mišićnom kontrolom, ravnotežom i koordinacijom. Postoje različiti oblici MS-a, a njihovo razumevanje i klasifikacija su ključni za razvoj efikasnih tretmana.
S obzirom na to da MS zahvata različite pacijente na različite načine, istraživači se nadaju da će identifikacija ovih podtipova omogućiti lekarima da bolje razumeju specifične potrebe svojih pacijenata. Uvođenje bioloških markera kao što je sNfL može pomoći u ranijem dijagnostikovanju bolesti i omogućiti pravovremeno lečenje.
Ova studija predstavlja samo jedan od koraka ka razumevanju složenosti multiple skleroze i mogućim rešenjima za obolele. Istraživači planiraju da nastave sa radom na daljim istraživanjima kako bi dodatno istražili potencijalne terapije koje bi mogle biti prilagođene specifičnim podtipovima bolesti.
U svetu gde je multipla skleroza sve prisutnija, ovakva otkrića su od suštinskog značaja za unapređenje kvaliteta života obolelih. Razvijanje personalizovanih tretmana i bolja dijagnostika mogu značiti razliku između uspešnog upravljanja bolešću i njenih ozbiljnijih posledica.
Nauka i tehnologija nastavljaju da napreduju, a veštačka inteligencija igra ključnu ulogu u preoblikovanju oblasti medicinskih istraživanja. Kako se nastavljaju istraživanja u ovoj oblasti, nada se da će se stvoriti jasnija slika o tome kako najbolje pristupiti lečenju multiple skleroze i pružiti bolju podršku pacijentima koji se suočavaju sa ovom izazovnom bolešću.
