科學家發(fā)現，多發(fā)性硬化癥可能有兩種不同的亞型

根據倫敦大學學院（UCL）科學家領導的一項新研究，多發(fā)性硬化癥可能有兩種不同的亞型。如果這一發(fā)現得到驗證，將有助于醫(yī)生為患者提供更專業(yè)的護理。

研究內容機器學習分析634名參與兩種不同項目患者的血液檢測和腦部掃描數據臨床試驗.機器學習模型被訓練以捕捉人類可能忽略的細微模式。

這些血液檢測是為了檢測一種叫血清神經絲輕鏈（sNfL）的蛋白質，這是一種已知生物標志物包括多發(fā)性硬化癥（MS）在內的神經系統疾病。

該核磁共振與此同時，掃描觀察了大腦不同部位的損傷和其他變化。在多發(fā)性硬化癥中，身體的免疫系統誤攻保護性護層覆蓋神經細胞，留下干擾神經通訊的病灶。

相關報道：血液信號可能在癥狀出現前7年就預測多發(fā)性硬化癥

通過比較血液檢測結果和腦部掃描，模型能夠將患者分成不同的類別亞型.

被歸類為“早期sNfL”的患者早期表現出該蛋白水平升高，并且對胼胝體，連接大腦左右半球的結構。該亞型似乎更具侵襲性，患者腦部病變發(fā)展速度較快。

第二種亞型被稱為“晚期sNfL”，進展似乎較慢。對于該組患者，最初的跡象是邊緣皮層和大腦深處灰質的萎縮。他們血清中的sNfL水平直到后來才開始上升。

“通過結合人工智能模型和高可用性血液標志物和MRI，我們首次能夠顯示出兩種清晰的多發(fā)性硬化癥生物學模式?！?a>他說阿爾曼·埃沙吉，倫敦大學學院的神經科學家，也是參與研究的衍生公司Queen Square Analytics.

“這將幫助臨床醫(yī)生了解患者在疾病路徑上的位置，以及誰可能需要更密切的監(jiān)測或更早的針對性治療?！?/p>

該機器學習模型基于189名不同患者的數據進行訓練手稿類型（復發(fā)緩解或繼發(fā)性進展性多發(fā)性硬化癥），隨后對另外445名新診斷患者進行了檢測。

神經絲是為中樞和周圍神經系統神經元提供支持的蛋白質，在健康患者中，神經絲的更新速度相對較慢。但是神經退行性退行性動物舍這些蛋白質以更高的速度轉化為體液，使其成為潛在生物標志物神經系統疾病和障礙。

不幸的是，血清的差異相當細微，這使得診斷時很難用來做診斷。MRI掃描還可以解析MS的傳播但不了解疾病的具體情況。

這項新研究的科學家建議，將神經絲水平與其他數據（如MRI掃描）結合，使這些測量更具用處。

研究人員表示：“通過加入sNfL這一已知的神經軸損傷指標，我們已經超越了僅靠MRI提供的結構快照結論.

目前，MS是根據癥狀和病情進展進行分類和治療的，但這并未涵蓋其潛在機制。新研究的研究人員表示，他們的結合技術有助于醫(yī)生做出建議更合適的治療方法如果進一步研究得到驗證。

該研究發(fā)表在該期刊上大腦.

寶寶起名 起名