Cercetătorii au descoperit două subtipuri biologice distincte ale sclerozei multiple folosind inteligența artificială pentru a analiza scanări cerebrale și markeri sangvini, oferind noi speranțe pentru abordări terapeutice personalizate care depășesc clasificările bazate pe simptome.
Oamenii de știință de la Queen Square Analytics și University College London au identificat subtipurile—denumite „sNfL precoce” și „sNfL tardiv”—după analizarea datelor de la 634 de pacienți cu SM, conform cercetării publicate în revista Brain în decembrie. Studiul a combinat măsurători derivate din RMN cu nivelurile sangvine ale lanțului ușor de neurofilament seric (sNfL), un marker al leziunilor celulelor nervoase, folosind un model de învățare automată nesupervizat numit SuStaIn.
Subtipul early-sNfL, reprezentând 44% dintre pacienții din cohorta de antrenament și 61% în cohorta de validare, a prezentat niveluri ridicate de sNfL, leziuni ale corpului calos—o regiune cerebrală crucială pentru gândire și memorie—și acumulare rapidă de leziuni în stadiile incipiente ale bolii. Acest tipar reflectă inflamația mai activă și neurodegenerarea care apar în paralel.
În contrast, subtipul late-sNfL a prezentat pierdere timpurie de volum în regiunile cortical și substanță cenușie profundă înainte ca nivelurile de sNfL să crească, sugerând o traiectorie neurodegenerativă mai insidioasă. Acest subtip a fost mai prevalent în rândul pacienților mai în vârstă.
„Folosind imagini cerebrale de rutină și un marker sanguin al leziunii celulelor nervoase (lanțul ușor al neurofilamentului), am identificat două traiectorii biologice distincte în scleroza multiplă”, a declarat autorul principal, Dr. Arman Eshaghi de la UCL Queen Square Institute of Neurology. „Acest lucru ajută la explicarea motivului pentru care persoanele care trăiesc cu SM pot urma căi diferite și reprezintă un pas către monitorizare și tratament mai personalizate.”
Subtipul early-sNfL a prezentat un risc crescut cu 144% de formare a leziunilor noi în comparație cu grupul late-sNfL, cu rate mai rapide de atrofie cerebrală și o mai mare responsivitate la tratament în reducerea leziunilor.
Dincolo de clasificările actuale
Descoperirile pun la îndoială clasificările tradiționale ale sclerozei multiple—recurent-remisivă, secundar progresivă și primar progresivă—care se bazează pe simptome observabile mai degrabă decât pe biologia subiacentă.
„Etichetele actuale de recurent-remisivă, secundar progresivă și primar progresivă nu reușesc să ofere această stratificare”, a declarat dr. Eshaghi. Munca de la UCL și Queen Square Analytics „contribuie la schimbarea înțelegerii și definirii noastre a tipurilor de SM și a tratamentului acestora în viitorul apropiat.”
Caitlin Astbury, manager senior de comunicare în cercetare la MS Society, a declarat pentru Guardian că definițiile actuale bazate pe simptome clinice „adesea nu reflectă cu acuratețe ceea ce se întâmplă în organism, ceea ce poate îngreuna tratamentul eficient”. Ea a adăugat că învățarea automată permite cercetătorilor să combine datele RMN și biomarkerii pentru a identifica subtipuri biologice care reflectă mai bine mecanismele.
Calea spre medicina personalizată
Studiul a incorporat măsurători derivate din RMN, inclusiv volumul cortexului limbic, volumul materiei cenușii profunde și integritatea țesutului corpului calos, alături de nivelurile sNfL. Abordarea integrată a arătat corelații mai puternice cu scorurile de dizabilitate decât modelele bazate doar pe RMN, atât în cohortele de antrenament, cât și în cele de validare.
Scleroza multiplă afectează mai mult de 2,8 milioane de oameni la nivel global și peste 150.000 în Regatul Unit. Boala cronică imuno-mediată provoacă deteriorarea membranei protectoare din jurul celulelor nervoase, ducând la simptome care includ oboseală, durere, spasme și dificultăți de mers.
„Cu cât învățăm mai multe despre această afecțiune, cu atât vom avea mai multe șanse să găsim tratamente care pot opri progresia bolii”, a spus Astbury.
