Skeniranje mozga za pomoć autizmu?

Nova istraživanja sugeriraju da bi mogao postojati dan kada se abnormalnosti u mozgu povezane s autizmom mogu otkriti skeniranjem mozga.

Rano otkrivanje ovih specifičnih abnormalnosti mozga moglo bi dovesti do poboljšane dijagnoze i boljeg razumijevanja poremećaja iz spektra autizma.

Otkrivanje biomarkera povezanih s autizmom bilo je izazovno, često jer metode koje pokazuju obećanja kod jedne skupine pacijenata propadaju kada se primijene na drugu.

Međutim, u novoj studiji znanstvenici izvješćuju o novom stupnju uspjeha. Njihov predloženi biomarker radio je s usporedno visokim stupnjem preciznosti u procjeni dviju različitih skupina odraslih.

Znanstvenici su razvili računalni algoritam nazvan „klasifikatora”, Jer može klasificirati skupove ispitanika - one s poremećajem iz autističnog spektra i one bez njih - na temelju skeniranja mozga s funkcijskom magnetskom rezonancom (fMRI).

Analizirajući tisuće veza povezanosti moždane mreže kod mnogih ljudi s autizmom i bez njega, softver je pronašao 16 ključnih međuregionalnih funkcionalnih veza koje su mu omogućile da s velikom točnošću utvrdi tko je tradicionalno imao dijagnozu autizma, a tko nije.

Tehnologija je uglavnom razvijena na Advanced Telecommunications Research Institute International u Kyotu u Japanu, uz glavni doprinos tri koautora sa Sveučilišta Brown na Rhode Islandu.

Istraživači su proučavali 181 odraslog dobrovoljca na tri mjesta u Japanu, a zatim su primijenili algoritam na grupi od 88 odraslih Amerikanaca na sedam mjesta. Svi dobrovoljci u studiji s dijagnozom autizma nisu imali intelektualne smetnje.

"To je prvo istraživanje koje je [uspješno] primijenilo klasifikator na potpuno drugačiju kohortu", rekla je autorica dopisnica dr. Yuka Sasaki, izvanredna profesorica kognitivnih, lingvističkih i psiholoških znanosti u Brownu.

“I prije su bili brojni pokušaji. Napokon smo prevladali problem. "

Klasifikator, koji kombinira dva algoritma strojnog učenja, dobro je funkcionirao u svakoj populaciji, prosječno točno 85 posto među japanskim dobrovoljcima i 75 posto točnosti među Amerikancima.

Istraživači su izračunali da je vjerojatnost da se ovaj stupanj uspješnosti među stanovništvom vidi čisto slučajno 1,4 na milijun.

Istraživači su potvrdili učinkovitost klasifikatora na drugi način uspoređujući klasifikacijsko predviđanje dijagnoze autizma s glavnom dijagnostičkom metodom koja je trenutno dostupna kliničarima, Dijagnostičkim promatranjem autizma (ADOS).

ADOS se ne temelji na biljezima biologije ili fiziologije, već na liječnikovim intervjuima i promatranjima ponašanja. Klasifikator je uspio predvidjeti rezultate na ADOS komunikacijskoj komponenti sa statistički značajnom korelacijom od 0,44. Korelacija sugerira da se 16 veza identificiranih klasifikatorom odnosi na značajke značajne u ADOS-u.

Istraživači su tada otkrili da su veze povezane s moždanom mrežom odgovornom za moždane funkcije poput prepoznavanja drugih ljudi, obrade lica i emocionalne obrade. Ova anatomska usklađenost u skladu je sa simptomima povezanim s poremećajima iz spektra autizma, poput socijalnih i emocionalnih percepcija.

Konačno, tim je pokušao provjeriti odražava li klasifikator na odgovarajući način sličnosti i razlike između poremećaja iz autističnog spektra i drugih psihijatrijskih stanja.

Na primjer, poznato je da autizam dijeli neke sličnosti sa shizofrenijom, ali ne i s depresijom ili poremećajem hiperaktivnosti s nedostatkom pažnje.

Kad se primjenjuje na pacijente sa svakim od ovih ostalih poremećaja u usporedbi sa sličnim ljudima bez uvjeta, klasifikator je pokazao umjerenu, ali statistički značajnu točnost u razlikovanju bolesnika sa shizofrenijom, ali ne i depresije ili ADHD pacijenata.

MRI pretrage potrebne za prikupljanje podataka bile su jednostavne, rekao je Sasaki. Ispitanici su samo trebali provesti oko 10 minuta u stroju i nisu morali izvoditi nikakve posebne zadatke. Morali su samo ostati mirni i odmoriti se.

Unatoč toj jednostavnosti i premda je klasifikator bez presedana dobro funkcionirao kao stvar istraživanja, rekao je Sasaki, još nije spreman biti klinički alat. Iako budućnost može donijeti taj razvoj, prije će biti potrebna usavršavanja.

"Razina točnosti mora biti puno veća", rekao je Sasaki. "Osamdeset posto točnosti možda neće biti korisno u stvarnom svijetu."

Također nije jasno kako bi to djelovalo među djecom, jer su volonteri u ovom istraživanju bili svi odrasli.

Iako klasifikator nije spreman za trenutnu dijagnostiku, jer točnost poboljšava skeniranja, a analiza može biti ne samo dijagnostički alat zasnovan na fiziologiji, već i pristup praćenju učinkovitosti liječenja.

Liječnici će možda jednog dana moći koristiti alat za praćenje stvaraju li terapije promjene u povezanosti mozga, rekao je Sasaki.

Istraživanje je objavljeno u časopisu Prirodne komunikacije.

Izvor: Sveučilište Brown