Ο συνδυασμός τεχνητής νοημοσύνης, γενετικής και ανάλυσης του εντερικού μικροβιώματος προσφέρει νέα στοιχεία για το πώς εξελίσσεται η νόσος Crohn προς την εντερική ίνωση, μία από τις σοβαρότερες επιπλοκές της.
Ερευνητές του University of Birmingham Dubai εντόπισαν 43 βασικά γονίδια που συνδέονται με την εξέλιξη της νόσου και συγκεκριμένες μεταβολές στα βακτήρια του εντέρου, ανοίγοντας τον δρόμο για μελλοντικούς βιοδείκτες που θα μπορούσαν να εντοπίζουν νωρίτερα τους ασθενείς με αυξημένο κίνδυνο μη αναστρέψιμων βλαβών.
Νέα έρευνα δείχνει πώς η τεχνητή νοημοσύνη μπορεί να συνδυαστεί με γενετικά δεδομένα και το μικροβίωμα του εντέρου για να φωτίσει τους μηχανισμούς που οδηγούν από τη χρόνια φλεγμονή στη μόνιμη ουλοποίηση του εντέρου στη νόσο Crohn.
Η εντερική ίνωση αποτελεί μία από τις σημαντικότερες και δυσκολότερα αντιμετωπίσιμες επιπλοκές της νόσου, καθώς μπορεί να προκαλέσει στένωση του εντέρου, απόφραξη και τελικά ανάγκη χειρουργικής επέμβασης.
Η μελέτη, που πραγματοποιήθηκε από ομάδα με επικεφαλής επιστήμονες του University of Birmingham Dubai, δημοσιεύθηκε στο Frontiers in Artificial Intelligence.
Η ίνωση δεν φαίνεται να αποτελεί ξεχωριστό στάδιο της νόσου
Ένα από τα βασικά συμπεράσματα των ερευνητών είναι ότι η εντερική ίνωση στη νόσο Crohn δεν πρέπει απαραίτητα να θεωρείται ένα τελείως ξεχωριστό, τελικό στάδιο της νόσου.
Αντίθετα, φαίνεται να αποτελεί μέρος μιας συνεχιζόμενης φλεγμονώδους διαδικασίας, στην οποία συμμετέχουν:
η παρατεταμένη ενεργοποίηση του ανοσοποιητικού συστήματος,
η βλάβη του εντερικού επιθηλίου,
η εξασθένηση του εντερικού φραγμού
και οι αλλαγές στη σύνθεση του μικροβιώματος.
Η συνεχής αυτή αλληλεπίδραση μπορεί σταδιακά να οδηγήσει στην ανάπτυξη ουλώδους ιστού και στην απώλεια της φυσιολογικής λειτουργικότητας του εντέρου.
43 γονίδια συνδέθηκαν με την εξέλιξη της νόσου
Χρησιμοποιώντας τεχνικές machine learning, οι επιστήμονες εντόπισαν ένα κοινό σύνολο 43 βασικών γονιδίων που φαίνεται να συνδέονται με τη μετάβαση προς πιο προχωρημένη και ινωτική νόσο.
Οι γονιδιακές μεταβολές οργανώθηκαν σε τρία κύρια βιολογικά πρότυπα.
Το πρώτο αφορά τη συνεχιζόμενη ανοσολογική ενεργοποίηση.
Αρκετά γονίδια που σχετίζονται με τη φλεγμονή εμφάνισαν ακόμη μεγαλύτερη δραστηριότητα στους ιστούς με ίνωση, γεγονός που υποδηλώνει ότι το ανοσοποιητικό σύστημα εξακολουθεί να συμμετέχει ενεργά στη βλάβη και στην προσπάθεια επιδιόρθωσης του ιστού.
Χάνεται σταδιακά η φυσιολογική λειτουργία του εντέρου
Το δεύτερο μοτίβο αφορούσε γονίδια που σχετίζονται με φυσιολογικές λειτουργίες του εντέρου.
Σε ινωτικό ιστό, γονίδια που συμμετέχουν:
στην πέψη,
στην απορρόφηση θρεπτικών συστατικών
και στη διατήρηση ενός υγιούς εντερικού επιθηλίου
παρουσίαζαν μειωμένη δραστηριότητα.
Το εύρημα υποδηλώνει ότι όσο προχωρά η ίνωση, ο προσβεβλημένος εντερικός ιστός χάνει μέρος της φυσιολογικής λειτουργικότητάς του.
Χρόνιο στρες και εξασθένηση του εντερικού φραγμού
Το τρίτο βιολογικό μοτίβο αφορούσε ενδείξεις κυτταρικού στρες και συνεχιζόμενης ιστικής βλάβης.
Οι ερευνητές διαπίστωσαν ότι ο προστατευτικός φραγμός του εντέρου εμφανίζεται εξασθενημένος.
Όταν ο εντερικός φραγμός δεν λειτουργεί αποτελεσματικά, βακτήρια και άλλες ουσίες από τον αυλό του εντέρου μπορούν ευκολότερα να έρθουν σε επαφή με το ανοσοποιητικό σύστημα.
Αυτό μπορεί να τροφοδοτεί έναν φαύλο κύκλο:
βλάβη του φραγμού → ανοσολογική ενεργοποίηση → φλεγμονή → περαιτέρω βλάβη → ίνωση.
448 δείγματα εντερικού ιστού και 80 δείγματα μικροβιώματος
Οι ερευνητές ανέλυσαν δεδομένα από 448 transcriptomic δείγματα εντερικού ιστού και 80 δείγματα μικροβιώματος.
Τα δείγματα περιλάμβαναν:
υγιείς ανθρώπους,
ασθενείς με νόσο Crohn
και ασθενείς με ινωτική μορφή της νόσου.
Οι συμμετέχοντες ήταν κυρίως ενήλικες, με διάμεσες ηλικίες που κυμαίνονταν από τη δεκαετία των 30 έως τις αρχές της δεκαετίας των 60.
Η μεταγραφωμική ανάλυση επιτρέπει στους επιστήμονες να εξετάζουν ποια γονίδια είναι περισσότερο ή λιγότερο ενεργά σε έναν ιστό μια συγκεκριμένη χρονική στιγμή.
Το μικροβίωμα αλλάζει καθώς εξελίσσεται η νόσος
Ιδιαίτερα ενδιαφέροντα ήταν και τα ευρήματα από την ανάλυση του εντερικού μικροβιώματος.
Οι ασθενείς παρουσίαζαν μείωση αρκετών βακτηρίων που θεωρούνται ευεργετικά και παράγουν λιπαρά οξέα βραχείας αλύσου – short-chain fatty acids.
Μεταξύ αυτών ήταν τα:
Faecalibacterium,
Anaerostipes,
Coprococcus
και Ruminococcus.
Τα λιπαρά οξέα βραχείας αλύσου, όπως το βουτυρικό, συμμετέχουν στη διατήρηση της υγείας του εντερικού επιθηλίου και στη ρύθμιση της ανοσολογικής λειτουργίας.
Αύξηση δυνητικά επιβαρυντικών βακτηρίων
Παράλληλα, οι επιστήμονες παρατήρησαν αύξηση βακτηρίων όπως τα Bilophila και Bacteroides.
Οι συγκεκριμένες μικροβιακές μεταβολές φαίνεται να συνδέονται στενά με τους βιολογικούς μηχανισμούς που σχετίζονται με τη φλεγμονή και την εξέλιξη της ίνωσης.
Η μελέτη, πάντως, δεν αποδεικνύει ότι τα συγκεκριμένα βακτήρια προκαλούν από μόνα τους την ίνωση.
Αναδεικνύει κυρίως μια συσχέτιση μεταξύ αλλαγών στο μικροβίωμα και των μοριακών διεργασιών της νόσου.
Πώς χρησιμοποιήθηκε η γενετική τεχνητή νοημοσύνη
Ένα από τα πιο πρωτότυπα στοιχεία της έρευνας ήταν η χρήση generative AI.
Οι επιστήμονες αντιμετώπισαν ένα συνηθισμένο πρόβλημα στη βιοϊατρική έρευνα: τα διαθέσιμα δείγματα ασθενών με σοβαρή ίνωση είναι περιορισμένα.
Για να ξεπεράσουν εν μέρει αυτό το εμπόδιο, χρησιμοποίησαν τεχνητή νοημοσύνη ώστε να δημιουργήσουν συνθετικά δεδομένα γονιδιακής έκφρασης, βασισμένα όμως σε γνωστούς βιολογικούς κανόνες και στα πραγματικά δεδομένα των ασθενών.
Τα συνθετικά αυτά δεδομένα χρησιμοποιήθηκαν στη συνέχεια για την ενίσχυση των μοντέλων μηχανικής μάθησης.
Η AI βελτίωσε την αναγνώριση γονιδίων που σχετίζονται με την ίνωση
Σύμφωνα με τους ερευνητές, τα AI-enhanced datasets βελτίωσαν την απόδοση των μοντέλων και βοήθησαν στην αναγνώριση σημαντικών γονιδίων που σχετίζονται με τη φλεγμονή και την ουλοποίηση.
Μεταξύ αυτών περιλαμβάνονταν τα:
IL-23R,
TNF-α
και TGF-β.
Οι συγκεκριμένοι βιολογικοί παράγοντες είναι ήδη γνωστό ότι συμμετέχουν στη φλεγμονή και στις διαδικασίες ίνωσης.
Το γεγονός ότι τα μοντέλα τεχνητής νοημοσύνης τα ανέδειξαν αποτελεί, σύμφωνα με την ομάδα, ένδειξη ότι η προσέγγιση μπορεί να αναγνωρίζει βιολογικά ουσιαστικά μοτίβα.
Acharjee: Η AI μπορεί να καλύψει κενά στα μικρά βιοϊατρικά datasets
Ο Dr Animesh Acharjee από το University of Birmingham Dubai, συν-συγγραφέας της μελέτης, τόνισε ότι η έρευνα αποτελεί παράδειγμα πρακτικής εφαρμογής της generative AI σε ένα από τα σημαντικότερα προβλήματα της σύγχρονης βιοϊατρικής έρευνας: την έλλειψη μεγάλων και καλά χαρακτηρισμένων ομάδων ασθενών.
Όπως σημείωσε, η δημιουργία βιολογικά ρεαλιστικών συνθετικών δεδομένων μπορεί να ενισχύσει την ικανότητα των μοντέλων μηχανικής μάθησης να εντοπίζουν μηχανισμούς νόσου και πιθανούς βιοδείκτες.
Γιατί η ίνωση αποτελεί τόσο μεγάλο πρόβλημα στη νόσο Crohn
Η νόσος Crohn είναι μια χρόνια φλεγμονώδης πάθηση του γαστρεντερικού συστήματος και συχνά διαγιγνώσκεται σε εφήβους και νεαρούς ενήλικες.
Η χρόνια φλεγμονή μπορεί με την πάροδο του χρόνου να προκαλέσει πάχυνση και ουλοποίηση του εντερικού τοιχώματος.
Όταν η ίνωση γίνει εκτεταμένη, το έντερο στενεύει.
Αυτές οι στενώσεις μπορούν να προκαλέσουν:
κοιλιακό πόνο,
δυσκολία στη δίοδο των τροφών,
φούσκωμα,
ναυτία,
εμέτους
και σε σοβαρές περιπτώσεις εντερική απόφραξη.
Έως 70% των ασθενών μπορεί να εμφανίσουν στενωτικές επιπλοκές
Σύμφωνα με τους ερευνητές, έως και 70% των ασθενών με διατοιχωματική νόσο Crohn μπορεί να εμφανίσουν στενωτικές επιπλοκές μέσα σε περίπου 10 χρόνια από τη διάγνωση.
Η πρόβλεψη του ποιος ασθενής θα αναπτύξει σοβαρή ίνωση παραμένει δύσκολη.
Επιπλέον, όταν έχει ήδη δημιουργηθεί εκτεταμένος ουλώδης ιστός, τα σημερινά αντιφλεγμονώδη φάρμακα δεν μπορούν απαραίτητα να τον αναστρέψουν.
Για τον λόγο αυτό αρκετοί ασθενείς καταλήγουν τελικά σε χειρουργική αντιμετώπιση.
Το μεγάλο ζητούμενο: Φλεγμονή ή μόνιμη ουλή;
Ένα από τα δυσκολότερα κλινικά προβλήματα είναι να διαπιστωθεί εάν μια στένωση οφείλεται κυρίως σε:
ενεργή φλεγμονή, η οποία μπορεί να ανταποκριθεί σε φαρμακευτική θεραπεία,
ή σε μόνιμη ίνωση, η οποία μπορεί να απαιτεί ενδοσκοπική ή χειρουργική αντιμετώπιση.
Οι μοριακοί δείκτες που εντοπίστηκαν στη νέα μελέτη θα μπορούσαν μελλοντικά να βοηθήσουν σε αυτόν τον διαχωρισμό.
Προς το παρόν όμως δεν αποτελούν κλινικό διαγνωστικό τεστ.
Στόχος η πρόβλεψη της ίνωσης πριν γίνει μη αναστρέψιμη
Οι ερευνητές θεωρούν ότι, εφόσον τα ευρήματα επιβεβαιωθούν σε μεγαλύτερες ανεξάρτητες ομάδες ασθενών, ορισμένοι από τους μοριακούς δείκτες θα μπορούσαν να χρησιμοποιηθούν για την ανάπτυξη εξετάσεων που θα προβλέπουν ποιος ασθενής έχει μεγαλύτερο κίνδυνο να αναπτύξει ίνωση.
Αυτό θα επέτρεπε στους γιατρούς να παρεμβαίνουν νωρίτερα, πριν προκληθεί μη αναστρέψιμη βλάβη στο έντερο.
Προς περισσότερο εξατομικευμένη θεραπεία
Ένας τέτοιος βιοδείκτης θα μπορούσε επίσης να βοηθήσει στην επιλογή θεραπείας.
Δύο ασθενείς με Crohn μπορεί να έχουν παρόμοια συμπτώματα αλλά διαφορετική βιολογική εικόνα.
Ο ένας μπορεί να έχει κυρίως ενεργή φλεγμονή.
Ο άλλος μπορεί ήδη να εμφανίζει έντονη ινωτική αναδιαμόρφωση του εντέρου.
Η δυνατότητα διάκρισης των δύο καταστάσεων θα μπορούσε να οδηγήσει σε πιο εξατομικευμένες θεραπευτικές αποφάσεις.
Πιθανοί νέοι θεραπευτικοί στόχοι
Τα γονίδια και τα βιολογικά μονοπάτια που εντοπίστηκαν μπορεί επίσης να βοηθήσουν στην ανάπτυξη νέων φαρμάκων.
Η μελλοντική θεραπεία της Crohn θα μπορούσε να μην περιορίζεται μόνο στην καταστολή της φλεγμονής αλλά να στοχεύει και:
τη διαδικασία δημιουργίας ουλώδους ιστού,
την αποκατάσταση του εντερικού φραγμού,
την κυτταρική καταπόνηση
ή συγκεκριμένες αλλαγές στο μικροβίωμα.
Η ανάπτυξη μιας πραγματικά αποτελεσματικής αντιϊνωτικής θεραπείας αποτελεί σημαντική ανεκπλήρωτη ανάγκη στη νόσο Crohn.
Η μελέτη δεν σημαίνει ότι η AI διαγιγνώσκει ήδη τη νόσο
Παρά τον ενθουσιασμό γύρω από την τεχνητή νοημοσύνη, η νέα εργασία παραμένει ερευνητική.
Δεν παρουσιάζει ένα AI εργαλείο που μπορεί σήμερα να χρησιμοποιηθεί σε νοσοκομείο για να αποφασίσει εάν ένας ασθενής θα αναπτύξει ίνωση.
Τα ευρήματα προέρχονται από ανάλυση υφιστάμενων βιολογικών δεδομένων και από συνθετικά datasets.
Χρειάζεται πλέον να επιβεβαιωθούν προοπτικά σε μεγαλύτερες ομάδες ασθενών και σε πραγματικές κλινικές συνθήκες.
Τα συνθετικά δεδομένα χρειάζονται προσεκτική χρήση
Η χρήση generative AI για τη δημιουργία συνθετικών βιοϊατρικών δεδομένων μπορεί να προσφέρει σημαντικά πλεονεκτήματα, αλλά έχει και περιορισμούς.
Ένα μοντέλο μπορεί να δημιουργήσει δεδομένα που φαίνονται ρεαλιστικά αλλά αντανακλούν:
τις προκαταλήψεις,
τις ελλείψεις
ή τις ιδιαιτερότητες
του αρχικού dataset πάνω στο οποίο εκπαιδεύτηκε.
Γι’ αυτό τα ευρήματα που προκύπτουν από συνθετικά δεδομένα πρέπει πάντοτε να επιβεβαιώνονται σε πραγματικά ανθρώπινα δείγματα πριν μεταφερθούν στην κλινική πράξη.
Ένα νέο μοντέλο για τη μελέτη της Crohn
Η σημασία της έρευνας βρίσκεται κυρίως στον τρόπο με τον οποίο συνδυάζει τρεις διαφορετικούς κόσμους:
γονιδιακή δραστηριότητα,
μικροβίωμα
και τεχνητή νοημοσύνη.
Αντί να εξετάζει την ίνωση ως ένα απομονωμένο τελικό στάδιο της νόσου, τη βλέπει ως αποτέλεσμα μιας δυναμικής αλληλεπίδρασης μεταξύ ανοσοποιητικού συστήματος, εντερικού ιστού και βακτηρίων.
Η προσέγγιση αυτή μπορεί στο μέλλον να βοηθήσει τους γιατρούς να εντοπίζουν τον επικίνδυνο δρόμο προς την ίνωση νωρίτερα από ό,τι σήμερα, με τελικό στόχο να αποτρέπεται η μόνιμη βλάβη και να μειώνεται η ανάγκη για χειρουργική επέμβαση.
Κάντε like στη σελίδα μας στο facebook για να μαθαίνετε όλα τα νέα
Διαβάστε επίσης
Crohn και ελκώδης κολίτιδα: «Έντερο σε chip» φωτίζει τους μηχανισμούς της νόσου
Ηπατική ίνωση: Το σιωπηλό πρόβλημα που συνδέεται με παχυσαρκία και διαβήτη
