Ένα νέο σύστημα τεχνητής νοημοσύνης που αναπτύχθηκε από ομάδα αμερικανών επιστημόνων μπορεί να αναγνωρίζει λοιμώξεις και αυτοάνοσες ασθένειες με μεγάλη ακρίβεια βάσει τυπικών αλλαγών στα Β και Τ κύτταρα. Ο Μαξίμ Ζασλάβσκι από το Πανεπιστήμιο Στάνφορντ των ΗΠΑ και οι συν-συγγραφείς του το ανέφεραν αυτό στο επιστημονικό περιοδικό "Science".

Οι ασθένειες διαβάζονται από τη γονιδιακή αλληλουχία των υποδοχέων των ανοσοποιητικών κυττάρων.

Επί του παρόντος, η διάγνωση μιας μολυσματικής νόσου βασίζεται συνήθως στην αναζήτηση του παθογόνου παράγοντα ως αιτία. Αυτό συχνά σημαίνει μεγάλη αναμονή μέχρι να δημιουργηθεί και να αναλυθεί μια καλλιέργεια. Οι αντιδράσεις των αντισωμάτων καθυστερούν επίσης συχνά.

Στην περίπτωση αυτοάνοσων νοσημάτων, όπως ο διαβήτης τύπου 1, η διάγνωση της νόσου γίνεται μέσω των μεταβολικών συνεπειών- στην περίπτωση των ρευματισμών, με σημαντική αβεβαιότητα, μέσω του συνδυασμού πολυάριθμων σημείων της νόσου, συμπεριλαμβανομένων των εργαστηριακών τιμών (ρευματοειδείς παράγοντες).

Ωστόσο, οι επιστήμονες, μεταξύ των οποίων και ειδικοί από το Τροπικό Ινστιτούτο του Πανεπιστημίου της Βασιλείας, ακολούθησαν μια νέα ιδέα: Οι ασθένειες προκαλούν συγκεκριμένες αντιδράσεις στο ανοσοποιητικό σύστημα των πασχόντων. Για παράδειγμα, σχηματίζονται πολύ συγκεκριμένοι υποδοχείς στα κύτταρα του ανοσοποιητικού συστήματος Β και Τ. Η ιδέα των ειδικών είναι: ίσως είναι δυνατόν να διαβαστεί από τους υποδοχείς τι αντιμετωπίζει αυτή τη στιγμή το αμυντικό σύστημα του ίδιου του οργανισμού του πάσχοντος.

"Το ανοσοποιητικό μας σύστημα παρακολουθεί συνεχώς το σώμα μας με τα Β και Τ κύτταρα, τα οποία λειτουργούν σαν μοριακοί αισθητήρες απειλών. Ο συνδυασμός των πληροφοριών από αυτές τις δύο κύριες περιοχές του ανοσοποιητικού συστήματος μας παρέχει μια πιο ολοκληρωμένη εικόνα για το πώς το αμυντικό σύστημα αντιδρά στις ασθένειες και τις διαδικασίες που οδηγούν σε αυτοανοσία (αυτοάνοσα νοσήματα- σημ.) ή σε αντιδράσεις εμβολιασμού, για παράδειγμα", ανέφερε ο Zaslavsky σε αντίστοιχη ανακοίνωση του καλιφορνέζικου πανεπιστημίου σχετικά με τη δημοσίευση της ερευνητικής εργασίας.

Οι ερευνητές, λοιπόν, αλληλούχισαν ορισμένα τμήματα των γονιδίων για τους υποδοχείς των Β και Τ κυττάρων σε ασθενείς με λοιμώξεις ή αυτοάνοσα νοσήματα. Αυτοί οι υποδοχείς υπάρχουν για να ανιχνεύουν παθογόνους μικροοργανισμούς ή, στην περίπτωση των αυτοάνοσων νοσημάτων, να προκαλούν λανθασμένες αμυντικές αντιδράσεις κατά των ιστών του ίδιου του οργανισμού. Ως εκ τούτου, οι επιστήμονες χρησιμοποίησαν το λογισμικό τεχνητής νοημοσύνης Mal-ID ("MAchine Learning for Immunological Diagnosis") για να δημιουργήσουν ένα πρόγραμμα που θα μπορούσε να αναγνωρίσει τυπικές αλλαγές στους υποδοχείς των ανοσοποιητικών κυττάρων για ορισμένες ασθένειες.

"Σε μια πιλοτική μελέτη, το Mal-ID ανέλυσε τα δεδομένα αλληλουχίας 16,2 εκατομμυρίων υποδοχέων των Β-κυττάρων και 23,5 εκατομμυρίων υποδοχέων των Τ-κυττάρων. Προέρχονταν από δείγματα αίματος 593 ατόμων, 63 από τα οποία είχαν μολυνθεί με τον ιό SARS-CoV-2 και 95 με τον ιό HI", αναφέρει το γερμανικό ιατρικό περιοδικό "Deutsches Ärzteblatt". 86 από τα υποκείμενα της δοκιμής έπασχαν από αυτοάνοσο νόσημα (ερυθηματώδης λύκος), 92 από διαβήτη τύπου 1 (επίσης αυτοάνοσο νόσημα). 37 πειραματόζωα είχαν εμβολιαστεί κατά της γρίπης. Η ομάδα ελέγχου αποτελούνταν από 217 δοκιμαζόμενα άτομα που δεν είχαν προσβληθεί.

Το αποτέλεσμα είναι ότι το Mal-ID αναγνώρισε τις επιμέρους ασθένειες όπως οι λοιμώξεις SARS-CoV-2, οι λοιμώξεις HIV, ο λύκος, ο διαβήτης τύπου 1 καθώς και ο προηγούμενος εμβολιασμός κατά της γρίπης με σχεδόν 100% ευαισθησία (ανίχνευση των προσβεβλημένων ατόμων) και ειδικότητα (αποκλεισμός μιας ασθένειας εάν δεν υπάρχει).

Μια διαφορά ανάλογα με τον τύπο της νόσου έγκειται στο ότι οι αλληλουχίες των γονιδίων των υποδοχέων των Β-κυττάρων των εξεταζόμενων ατόμων αναγνώρισαν τις λοιμώξεις HIV και CoViD καθώς και τον εμβολιασμό κατά της γρίπης. Οι υποδοχείς των Τ-κυττάρων αναγνώριζαν όσους είχαν προσβληθεί από ερυθηματώδη λύκο και διαβήτη.

"Καθώς το κόστος της αλληλούχισης των γονιδίων έχει μειωθεί σημαντικά τα τελευταία χρόνια, η μέθοδος θα μπορούσε να γίνει ενδιαφέρουσα για την κλινική διάγνωση. Αυτό ισχύει ιδίως για τα αυτοάνοσα νοσήματα, τα οποία συχνά διαγιγνώσκονται μόνο μετά από μήνες ή χρόνια αναζήτησης", γράφει το γερμανικό ιατρικό περιοδικό "Deutsches Ärzteblatt".

Αν και οι ερευνητές έχουν αναπτύξει μέχρι στιγμής μόνο το Mal-ID με βάση έξι ασθένειες ή ανοσολογικές καταστάσεις (εμβολιασμός), θεωρούν ότι ο αλγόριθμος μπορεί να προσαρμοστεί γρήγορα για τον εντοπισμό ανοσολογικών υπογραφών που είναι ειδικές για πολλές άλλες ασθένειες και καταστάσεις.

Αυτό ισχύει ιδιαίτερα για πολύπλοκες αυτοάνοσες ασθένειες, όπως η ρευματοειδής αρθρίτιδα και η χρόνια πολυαρθρίτιδα.

"Οι ασθενείς συχνά πρέπει να αγωνίζονται για χρόνια πριν λάβουν διάγνωση, και ακόμη και τότε τα ονόματα που δίνουμε σε αυτές τις ασθένειες είναι σαν γενικοί όροι που παραβλέπουν τη βιολογική ποικιλομορφία πίσω από τις πολύπλοκες ασθένειες", δήλωσε ο Zaslavsky.

"Αν μπορούσαμε να χρησιμοποιήσουμε το Mal-ID για να αποκρυπτογραφήσουμε την ετερογένεια πίσω από τον λύκο ή τη ρευματοειδή αρθρίτιδα, αυτό θα είχε μεγάλο αντίκτυπο".

Πηγές:
Science - Αυστριακό Πρακτορείο Ειδήσεων - Ärzteblatt

Ειδήσεις υγείας σήμερα
ΠΟΥ: Οι περικοπές στην αμερικανική βοήθεια θα μπορούσαν να κοστίσουν τη ζωή εκατομμυρίων ανθρώπων
Ερευνητές ανακάλυψαν νέο τρόπο για τον έλεγχο του πόνου [μελέτη]
Πώς να προλάβετε την υπέρταση