Ajuotsingud ID-autismi abistamiseks?
Arenevad uuringud näitavad, et võib juhtuda, et päeval võib autismiga seotud kõrvalekaldeid ajus tuvastada aju skaneerimise abil.
Nende spetsiifiliste aju kõrvalekallete varajane avastamine võib viia autismi spektri häirete parema diagnoosimise ja parema mõistmiseni.
Autismiga seotud biomarkerite avastamine on olnud keeruline, sageli seetõttu, et meetodid, mis näitavad ühe patsiendirühma jaoks lubadust, ebaõnnestuvad, kui neid rakendatakse teisele.
Uues uuringus teatavad teadlased aga uuest edukusest. Nende kavandatud biomarker töötas võrdlemisi suure täpsusega kahe erineva täiskasvanute komplekti hindamisel.
Teadlased töötasid välja arvutialgoritmi, mida nimetatakseklassifikaator”, Kuna see võib klassifitseerida subjektide komplekte - autismispektri häirega ja neid, kellel pole - funktsionaalse magnetresonantstomograafia (fMRI) aju skaneerimise põhjal.
Analüüsides tuhandeid ajuvõrgu ühenduvuse ühendusi paljudes autismiga ja autismita inimestes, leidis tarkvara 16 peamist piirkondadevahelist funktsionaalset ühendust, mis võimaldasid tal suure täpsusega öelda, kellele on traditsiooniliselt diagnoositud autism ja kellel mitte.
Tehnoloogia töötati välja peamiselt Jaapanis Kyotos asuvas täiustatud telekommunikatsiooni uurimisinstituudis. Rhode Islandil asuvas Browni ülikoolis osalesid kolm kaasautorit.
Teadlased uurisid Jaapanis kolmes kohas 181 täiskasvanud vabatahtlikku ja rakendasid seejärel algoritmi seitsmes kohas 88 ameeriklastest täiskasvanute rühmale. Kõigil autismi diagnoosiga uuringu vabatahtlikel ei olnud intellektipuudet.
"See on esimene uuring, kus klassifikaatorit [edukalt] rakendatakse täiesti erinevale kohordile," ütles kaasautor dr Yuka Sasaki, Browni kognitiivsete, lingvistiliste ja psühholoogiliste teaduste dotsent.
"Varem on olnud arvukalt katseid. Lõpuks saime probleemist jagu. ”
Klassifikaator, mis ühendab kaks masinõppe algoritmi, toimis igas populatsioonis hästi, keskmiselt oli Jaapani vabatahtlike seas täpsus 85 protsenti ja ameeriklaste seas 75 protsenti.
Teadlased arvutasid välja, et tõenäosus, et populatsioonideülene tulemuslikkus on sel määral juhuslik, oli 1,4 miljonist.
Teadlased kinnitasid klassifikaatori efektiivsust muul viisil, võrreldes autistide diagnoosi klassifikaatori prognoose peamise diagnostikameetodiga, mis on praegu arstide käsutuses, autismidiagnostika vaatlusgraafikuga (ADOS).
ADOS ei põhine mitte bioloogia ega füsioloogia markeritel, vaid hoopis arsti intervjuudel ja käitumise vaatlustel. Klassifikaator suutis ennustada ADOS-i kommunikatsioonikomponendi hindeid statistiliselt olulise korrelatsiooniga 0,44. Seos viitab sellele, et klassifikaatori tuvastatud 16 ühendust on seotud ADOS-i oluliste omadustega.
Seejärel avastasid teadlased, et seosed on seotud ajuvõrguga, mis vastutab aju funktsioonide eest, nagu teiste inimeste tunnustamine, näo töötlemine ja emotsionaalne töötlemine. See anatoomiline joondamine on kooskõlas sümptomitega, mis on seotud autismispektri häiretega, nagu sotsiaalne ja emotsionaalne taju.
Lõpuks uuris meeskond, kas klassifikaator kajastab sobivalt autismispektri häirete ja muude psühhiaatriliste seisundite sarnasusi ja erinevusi.
Näiteks autismil on teadaolevalt mõningaid sarnasusi skisofreeniaga, kuid mitte depressiooni või tähelepanupuudulikkuse hüperaktiivsuse häirega.
Kui seda rakendati kõigi nende muude häiretega patsientidele, võrrelduna sarnaste tingimusteta inimestega, näitas klassifikaator skisofreeniaga patsientide, kuid mitte depressiooni või ADHD patsientide eristamisel mõõdukat, kuid statistiliselt olulist täpsust.
Andmete kogumiseks vajalikud MRI-uuringud olid Sasaki sõnul lihtsad. Katsealustel oli vaja masinas veeta vaid umbes 10 minutit ja nad ei pidanud erilisi ülesandeid täitma. Nad pidid lihtsalt paigal püsima ja puhkama.
Hoolimata sellest lihtsusest ja kuigi klassifikaator toimis uurimistööna enneolematult hästi, pole Sasaki sõnul veel valmis olema kliiniline tööriist. Kuigi tulevik võib tuua selle arengu, on kõigepealt vaja täiustada.
"Täpsustase peab olema palju kõrgem," ütles Sasaki. "Kaheksakümne protsendi täpsusest ei pruugi reaalses maailmas kasu olla."
Samuti pole selge, kuidas see laste seas toimiks, kuna selle uuringu vabatahtlikud olid kõik täiskasvanud.
Kuigi klassifikaator pole praeguseks diagnostikaks valmis, kuna täpsus parandab skaneeringuid ja analüüs ei pruugi olla mitte ainult füsioloogial põhinev diagnostikavahend, vaid ka lähenemisviis ravi efektiivsuse jälgimiseks.
Võib-olla saavad arstid seda tööriista kunagi kasutada, et jälgida, kas ravimeetodid muudavad aju ühenduvust, ütles Sasaki.
Uuring on avaldatud ajakirjas Looduskommunikatsioon.
Allikas: Browni ülikool
