Dünya genelinde milyonlarca insan bu hastalığa sahip; ancak tedaviler çoğunlukla semptomlara göre seçiliyor ve hastanın altta yatan biyolojisini hedef almadıkları için etkili olmayabiliyor.

Şimdi, bilim insanları yapay zeka, basit bir kan testi ve MRI taramaları kullanarak MS'in iki yeni biyolojik türünü tespit etti. Uzmanlar, bu "heyecan verici" buluşun hastalığın dünya çapındaki tedavisinde devrim yaratabileceğini söyledi.

University College London (UCL) ve Queen Square Analytics liderliğinde 600 hastanın katıldığı araştırmada, araştırmacılar serum nörofilament hafif zinciri (sNfL) adı verilen özel bir proteinin kan seviyelerine baktılar. Bu protein, sinir hücresi hasarının seviyelerini göstermeye ve hastalığın ne kadar aktif olduğunu belirtmeye yardımcı olabilir.

sNfL sonuçları ve hastaların beyin taramaları, SuStaIn adı verilen bir makine öğrenme modeli tarafından yorumlandı. Tıp dergisi Brain'de yayınlanan sonuçlar, MS'in iki farklı türünü ortaya çıkardı: erken sNfL ve geç sNfL.

İlk alt türde, hastaların hastalığın erken dönemlerinde yüksek sNfL seviyeleri vardı ve korpus kallosum adı verilen beyin bölgesinde görünür hasar meydana geldi. Ayrıca beyin lezyonları da hızla gelişti. Bilim insanları, bu türün daha agresif ve aktif göründüğünü söyledi.

İkinci alt türde ise, hastalar sNfL seviyeleri yükselmeden önce limbik korteks ve derin gri madde gibi bölgelerde beyin küçülmesi gösterdi. Bu tür daha yavaş ilerliyor ve belirgin hasar daha sonra ortaya çıkıyor gibi görünüyor.

Araştırmacılar, bu atılımın doktorların hangi hastaların farklı komplikasyon riskinin daha yüksek olduğunu daha kesin olarak anlamalarını sağlayacağını ve daha kişiselleştirilmiş bakımın yolunu açacağını söylüyor.

Çalışmanın baş yazarı, UCL'den Dr. Arman Eshaghi şunları söyledi: “MS tek bir hastalık değildir ve mevcut alt tipler, tedavi için bilmemiz gereken altta yatan doku değişikliklerini tanımlamakta yetersiz kalmaktadır.

“Yüksek oranda erişilebilir bir kan belirteciyle birleştirilmiş bir yapay zeka modeli ve MRI kullanarak, MS'in iki net biyolojik modelini ilk kez gösterebildik. Bu, klinisyenlerin bir kişinin hastalık yolunda nerede olduğunu ve kimin daha yakından izlenmesi veya daha erken, hedefli tedaviye ihtiyaç duyabileceğini anlamalarına yardımcı olacaktır.”

Eshaghi, gelecekte, yapay zeka aracı bir hastanın erken sNfL MS'e sahip olduğunu öne sürdüğünde, daha yüksek etkili tedaviler için uygun hale gelebileceklerini ve daha yakından izlenebileceklerini söyledi.

Buna karşılık, geç sNfL'ye sahip olanlara, beyin hücrelerini veya nöronları korumak için kişiselleştirilmiş tedaviler gibi farklı tedavi türleri sunulabilir. “Bu nedenle yenilikler iki yönlü olacaktır: yüzyıllardır değişmeyen klinik ve nörolojik muayeneleri yapay zeka algoritmaları yardımıyla dönüştürmek ve hastalık profiline dayalı kişiselleştirilmiş tedaviler sağlamak.”

MS Derneği'nde kıdemli araştırma iletişim yöneticisi olan Caitlin Astbury şunları söyledi: “Bu, MS hakkındaki anlayışımızda heyecan verici bir gelişme.

Bu çalışma, tekrarlayan ve ikincil ilerleyici MS'li kişilerden alınan MR ve biyobelirteç verilerini incelemek için makine öğrenimini kullandı. Bu verileri birleştirerek, MS'in iki yeni biyolojik alt tipini belirleyebildiler.

Son yıllarda, hastalığın biyolojisi hakkında daha iyi bir anlayış geliştirdik. Ancak şu anda tanımlar, bir kişinin yaşadığı klinik semptomlara dayanmaktadır. MS karmaşıktır ve bu kategoriler genellikle vücutta neler olup bittiğini doğru bir şekilde yansıtmaz, bu da etkili bir şekilde tedavi edilmesini zorlaştırabilir.”

Astbury, tekrarlayan MS'li kişiler için yaklaşık 20 tedavi seçeneği olduğunu ve ilerleyici MS için de bazı seçeneklerin ortaya çıkmaya başladığını, ancak birçok kişi için hiçbir seçeneğin olmadığını söyledi. “Hastalık hakkında ne kadar çok şey öğrenirsek, hastalığın ilerlemesini durdurabilecek tedaviler bulma olasılığımız o kadar artar.”

“Bu araştırma, MS'in mevcut tanımlayıcılarından (örneğin 'nüks eden' ve 'ilerleyici') uzaklaşarak, hastalığın altında yatan biyolojiyi yansıtan terimlere doğru bir geçişi destekleyen artan kanıtlara katkıda bulunuyor. Bu, ilerleme riski yüksek olan kişilerin belirlenmesine ve kişilere daha kişiselleştirilmiş tedavi sunulmasına yardımcı olabilir.”