Φορητές συσκευές και Τεχνητή Νοημοσύνη φέρνουν πιο κοντά τη θεραπεία για σπάνιες παθήσεις

H Ιατρική Τεχνολογία τεχνητής νοημοσύνης φαίνεται πως θα μπορεί να προβλέψει τη μελλοντική εξέλιξη των νόσων μυϊκής δυστροφίας Duchenne (DMD) και της αταξίας Friedreich (FA).  Ερευνητές αξιοποιώντας και φορητές συσκευές εκτιμούν ότι τα αποτελέσματα αυτά θα επιταχύνουν σημαντικά βήματα στην αναζήτηση νέων θεραπειών.

Μια διεπιστημονική ομάδα ερευνητών από τον τομέα της τεχνητής νοημοσύνης και της κλινικής έρευνας, ανέπτυξε έναν τρόπο παρακολούθησης της εξέλιξης των κινητικών διαταραχών με τη χρήση τεχνολογίας καταγραφής κίνησης και τεχνητής νοημοσύνης ασθενών με τις προαναφερόμενες σπάνιες διαταραχές, όπως ανακοινώθηκε στο medicalxpress.com.  Τα στοιχεία μελετών δημοσιεύθηκαν στο Nature Medicine.

Συγκεκριμένα, αισθητήρες τοποθετημένοι στους ασθενείς τροφοδοτούν την τεχνολογία καταγραφής κίνησης. Τα δεδομένα ανθρώπινης κίνησης  συλλέγονται από φορητή τεχνολογία και χάρη στη τεχνητή νοημοσύνη είναι σε θέση  οι ερευνητές να εντοπίσουν σαφή μοτίβα κίνησης, προβλέποντας την εξέλιξη της πάθησης. Στη μελέτη  για την FA, στόχος ήταν να εντοπίσουν βασικά μοτίβα κίνησης και να προβλέψουν γενετικούς δείκτες της νόσου. Η ομάδα μπόρεσε να χρησιμοποιήσει δεδομένα κίνησης για να προβλέψει με ακρίβεια την «απενεργοποίηση» του γονιδίου FA, μετρώντας πόσο ενεργό ήταν, χωρίς να είναι απαραίτητη η λήψη βιολογικών δειγμάτων από τους ασθενείς.

Υπενθυμίζεται ότι η DMD και η FA είναι σπάνιες, εκφυλιστικές, γενετικές ασθένειες που επηρεάζουν την κίνηση και τελικά οδηγούν σε παράλυση. Προς το παρόν δεν υπάρχουν θεραπείες για καμία από τις δύο ασθένειες. Έως τώρα η παρακολούθηση της εξέλιξης της FA και της DMD γίνεται συνήθως μέσω εντατικών δοκιμών σε κλινικό περιβάλλον. Η εισαγωγή της νέας τεχνολογία εξασφαλίζει μια σημαντικά πιο ακριβή αξιολόγηση που αυξάνει επίσης την ακρίβεια και την αντικειμενικότητα των δεδομένων που συλλέγονται.

Ένα ακόμη πλεονέκτημα σύμφωνα με τους ερευνητές αποτελεί ότι η χρήση αυτών των δεικτών της νόσου σημαίνει ότι απαιτούνται σημαντικά λιγότεροι ασθενείς για την ανάπτυξη ενός νέου φαρμάκου σε σύγκριση με τις τρέχουσες μεθόδους. Αυτό είναι ιδιαίτερα σημαντικό για τις σπάνιες ασθένειες όπου μπορεί να είναι δύσκολο να εντοπιστούν κατάλληλοι ασθενείς. Εκτιμάται ότι εν λόγω τεχνολογία μπορεί να αξιοποιηθεί στο μέλλον για την παρακολούθηση ή τη διάγνωση μιας σειράς κοινών ασθενειών που επηρεάζουν τη συμπεριφορά της κίνησης, όπως είναι η άνοια, το εγκεφαλικό επεισόδιο και οι ορθοπεδικές παθήσεις.

Ο επικεφαλής και αντίστοιχος συγγραφέας και των δύο εργασιών, καθηγητής Aldo Faisal, από τα τμήματα Βιομηχανικής και Πληροφορικής του Imperial College του Λονδίνου, ο οποίος είναι επίσης διευθυντής του Κέντρου Διδακτορικής Εκπαίδευσης στην Τεχνητή Νοημοσύνη για την Υγεία του UKRI και της έδρας για την Ψηφιακή Υγεία στο Πανεπιστήμιο του Bayreuth (Γερμανία) επεσήμανε πως «Η προσέγγισή μας συγκεντρώνει τεράστιο όγκο δεδομένων από την κίνηση ολόκληρου του σώματος ενός ατόμου – περισσότερο από ό,τι οποιοσδήποτε νευρολόγος θα έχει την ακρίβεια ή τον χρόνο να παρατηρήσει σε έναν ασθενή. Η τεχνολογία μας τεχνητής νοημοσύνης δημιουργεί έναν ψηφιακό δίδυμο του ασθενούς και μας επιτρέπει να κάνουμε πρωτοφανείς, ακριβείς προβλέψεις για το πώς θα εξελιχθεί η ασθένεια ενός μεμονωμένου ασθενούς».