Svår MS-sjukdom förutsägs med maskininlärning
Hem NYHETERFORSKNING Svår MS-sjukdom förutsägs med maskininlärning

Svår MS-sjukdom förutsägs med maskininlärning

Publicerat av: Redaktionen

En kombination av endast 11 proteiner kan förutsäga hur svår multipel skleros (MS) olika personer kommer att få många år framåt i tiden.

De identifierade proteinerna skulle kunna användas till att individanpassa behandlingen efter hur svår sjukdomen förväntas bli.

Studien, som letts av forskare vid Linköpings universitet, har publicerats i tidskriften Nature Communications.

– En kombination av 11 proteiner kunde förutsäga både på kort och lång sikt hur aktiv sjukdomen kommer att bli och graden av funktionsnedsättning. Vi drar också slutsatsen att det är viktigt att mäta proteinerna i ryggmärgsvätska, som på ett bättre sätt speglar vad som pågår i det centrala nervsystemet jämfört med att mäta i blodet, säger Julia Åkesson, doktorand vid Linköpings universitet och Högskolan i Skövde.

Sjukdomen multipel skleros innebär att immunförsvaret angriper den egna kroppen så att nerver i hjärnan och ryggmärgen skadas. Framför allt angrips ett fettämne som heter myelin, som ligger runt nervtråden som en isolering och gör att nervimpulserna kan gå fram. När myelinet skadas kan inte signalerna ledas på rätt sätt.

Hur multipel skleros utvecklas är väldigt olika mellan olika personer. För de som längre fram kommer att få en svårare sjukdom är det viktigt att inte förlora värdefull tid i början av sjukdomen utan snabbt få rätt behandling. Forskarna bakom den aktuella studien, som är ett samarbete mellan Linköpings universitet, Karolinska Institutet och Högskolan i Skövde, undrade om det vore möjligt att tidigt i sjukdomsutvecklingen skilja ut vilka patienter som kommer att behöva en mer kraftfull behandling. Att kunna göra det vore relevant för både läkare och för de som lever med MS.

– Jag tror att vi är ett steg närmare ett analysverktyg för att välja vilka patienter som i ett tidigt skede av sjukdomen behöver behandling som är mer effektiv. Men sådan behandling kan ge mer biverkningar och kostar relativt mycket, och en del patienter behöver den inte, säger Mika Gustafsson, professor i bioinformatik vid Institutionen för fysik, kemi och biologi vid Linköpings universitet, som har lett studien.

Att hitta markörer kopplade till hur svår sjukdomen kommer att bli många år framåt i tiden är en komplicerad utmaning. I studien analyserade forskarna nära 1 500 proteiner i prover från 92 personer med misstänkt eller nyligen diagnostiserad MS. Data från proteinanalysen kombinerades med en stor mängd uppgifter från patienternas journaler, som funktionsnedsättning, resultat från magnetkameraundersökningar av nervsystemet och vilka behandlingar de fått. Forskarna använde maskininlärning och hittade ett antal proteiner som kunde förutsäga sjukdomsutveckling.

– Att ha en panel med bara 11 proteiner gör det enkelt om någon vill utveckla en analys för detta. Det kommer inte att bli lika kostsamt som att mäta 1 500 proteiner, så vi har verkligen smalnat av det så att det kan bli användbart för andra som vill ta det vidare, säger Sara Hojjati, doktorand vid Institutionen för biomedicinska och kliniska vetenskaper vid Linköpings universitet.

Forskarteamet fann också att ett specifikt protein, som läcker ut från skadade nervtrådar, är en pålitlig biomarkör för sjukdomsaktivitet på kort sikt. Proteinet heter neurofilament light chain, NfL. Forskarnas fynd bekräftar tidigare forskning om att NfL kan användas för att påvisa att nerver skadats och pekar också på att proteinet indikerar hur aktiv sjukdomen är.

En av studiens största styrkor är att kombinationen av proteiner som hittades i patientgruppen som provtagits vid Universitetssjukhuset i Linköping därefter bekräftades i en separat grupp bestående av 51 personer med MS som provtagits på Karolinska universitetssjukhuset i Stockholm.

Svår MS-sjukdom förutsägs med maskininlärning

Mika Gustafsson, professor i bioinformatik vid Linköpings universitet.

Studien är den första som mätt en så stor mängd proteiner med en högkänslig metod, proximity extension assay kombinerad med next-generation sequencing, PEA-NGS. Tekniken kan med hög noggrannhet mäta även mycket små mängder, vilket är viktigt eftersom de aktuella proteinerna oftast förekommer i mycket låga nivåer.

Studien har finansierats med stöd av bland annat Stiftelsen för strategisk forskning, Hjärnfonden, Knut och Alice Wallenbergs stiftelse, Margaretha af Ugglas stiftelse, Vetenskapsrådet, Neuro och MS forskningsfonden.

 

 

 

 

Relaterade Artiklar

Vi använder cookies och andra identifierare för att förbättra din upplevelse. Detta gör att vi kan säkerställa din åtkomst, analysera ditt besök på vår webbplats. Det hjälper oss att erbjuda dig ett personligt anpassat innehåll och smidig åtkomst till användbar information. Klicka på ”Jag godkänner” för att acceptera vår användning av cookies och andra identifierare eller klicka ”Mer information” för att justera dina val. Jag Godkänner Mer Information >>