Pregledi možganov za pomoč pri identifikaciji avtizma?

Nove raziskave kažejo, da lahko dan, ko se z odkritjem možganov odkrijejo nepravilnosti v možganih, povezane z avtizmom.

Zgodnje odkrivanje teh specifičnih možganskih nepravilnosti bi lahko privedlo do boljše diagnoze in boljšega razumevanja motenj avtizmskega spektra.

Odkrivanje biomarkerjev, povezanih z avtizmom, je bilo zahtevno, pogosto zato, ker metode, ki kažejo obljube pri eni skupini bolnikov, pri uporabi pri drugi odpovedo.

V novi študiji pa znanstveniki poročajo o novi stopnji uspeha. Njihov predlagani biomarker je deloval s sorazmerno visoko stopnjo natančnosti pri ocenjevanju dveh različnih skupin odraslih.

Znanstveniki so razvili računalniški algoritem, imenovan "klasifikator", Saj lahko na podlagi pregledov možganov s funkcijsko magnetno resonanco (fMRI) lahko razvrsti skupine preiskovancev - tistih z motnjo avtističnega spektra in tistih brez.

Z analizo tisočih povezav možganske omrežne povezanosti pri številnih ljudeh z avtizmom in brez njega je programska oprema našla 16 ključnih medregionalnih funkcionalnih povezav, ki so ji omogočile, da z visoko natančnostjo ugotovi, kdo je bil tradicionalno diagnosticiran z avtizmom in kdo ne.

Tehnologija je bila v glavnem razvita na Mednarodnem inštitutu za telekomunikacijske raziskave International v Kjotu na Japonskem, z velikimi prispevki treh soavtorjev z univerze Brown na Rhode Islandu.

Raziskovalci so preučevali 181 odraslih prostovoljcev na treh lokacijah na Japonskem in nato algoritem uporabili za skupino 88 odraslih Američanov na sedmih mestih. Vsi študijski prostovoljci z diagnozo avtizma niso imeli intelektualne okvare.

"To je prva študija, ki je [uspešno] uporabila klasifikator za povsem drugačno kohorto," je povedala avtorica soodpisnika dr. Yuka Sasaki, izredna profesorica kognitivnih, lingvističnih in psiholoških znanosti pri Brownu.

»Prej je bilo že veliko poskusov. Končno smo težavo premagali. «

Klasifikator, ki združuje dva algoritma strojnega učenja, je dobro deloval pri vsaki populaciji, pri japonskih prostovoljcih je bil v povprečju 85-odstotna natančnost, pri Američanih pa 75-odstotna.

Raziskovalci so izračunali, da je bila verjetnost, da bi to stopnjo uspešnosti med populacijami videli le naključno, 1,4 na milijon.

Raziskovalci so učinkovitost klasifikatorja potrdili na drug način, tako da so napoved klasifikatorja diagnoze avtizma primerjali z glavno diagnostično metodo, ki je trenutno na voljo zdravnikom, s seznamom za diagnostično opazovanje avtizma (ADOS).

ADOS ne temelji na bioloških ali fizioloških označevalcih, temveč na zdravniških razgovorih in opazovanjih vedenja. Klasifikator je lahko napovedal rezultate komunikacijske komponente ADOS s statistično pomembno korelacijo 0,44. Korelacija kaže, da se 16 povezav, ki jih je opredelil klasifikator, nanaša na pomembne lastnosti v ADOS.

Nato so raziskovalci odkrili, da so povezave povezane z možgansko mrežo, odgovorno za možganske funkcije, kot so prepoznavanje drugih ljudi, obdelava obrazov in čustvena obdelava. Ta anatomska usklajenost je skladna s simptomi, povezanimi z motnjami spektra avtizma, kot so družbene in čustvene zaznave.

Na koncu je ekipa skušala ugotoviti, ali klasifikator ustrezno odraža podobnosti in razlike med motnjami spektra avtizma in drugimi psihiatričnimi stanji.

Znano je, da ima avtizem na primer nekaj podobnosti s shizofrenijo, ne pa tudi z depresijo ali hiperaktivnostjo.

Ko je klasifikator nanašal na bolnike z vsako od teh drugih bolezni v primerjavi s podobnimi ljudmi brez pogojev, je pokazal zmerno, a statistično pomembno natančnost pri razlikovanju bolnikov s shizofrenijo, ne pa tudi bolnikov z depresijo ali ADHD.

Skeni MRI, potrebni za zbiranje podatkov, so bili preprosti, je dejal Sasaki. Preiskovanci so morali v stroju preživeti približno 10 minut in jim ni bilo treba izvajati nobenih posebnih nalog. Preprosto morali so ostati pri miru in počivati.

Kljub tej enostavnosti in čeprav je klasifikator doslej brez primere dobro deloval kot raziskava, je dejal Sasaki, še ni pripravljen biti klinično orodje. Čeprav bo ta razvoj lahko prinesla prihodnost, bodo najprej potrebne izboljšave.

"Raven natančnosti mora biti veliko višja," je dejal Sasaki. "Osemdeset odstotkov natančnosti v resničnem svetu morda ni koristno."

Prav tako ni jasno, kako bi to delovalo med otroki, saj so bili prostovoljci v tej študiji vsi odrasli.

Čeprav klasifikator še ni pripravljen na trenutno diagnostiko, saj natančnost izboljšuje preglede, analiza pa morda ni le diagnostično orodje, ki temelji na fiziologiji, temveč tudi pristop za spremljanje učinkovitosti zdravljenja.

Zdravniki bodo morda nekoč lahko uporabili orodje za spremljanje, ali terapije povzročajo spremembe v možganski povezanosti, je dejal Sasaki.

Raziskava je objavljena v reviji Nature Communications.

Vir: Univerza Brown