Στη μάχη της πρόληψης μπαίνει και η τεχνητή νοημοσύνη πια, αφού ερευνητές του UC San Francisco ανακάλυψαν τρόπο να προβλέπουν τη νόσο Alzheimer έως 7 χρόνια πριν την εμφάνιση των συμπτωμάτων αναλύοντας με μηχανική μάθηση αρχεία ασθενών.
Οι καταστάσεις που επηρέαζαν περισσότερο την πρόβλεψη της νόσου Alzheimer ήταν η υψηλή χοληστερόλη και στις γυναίκες η οστεοπόρωση. Η παρούσα έρευνα δείχνει πόσο υποσχόμενη είναι η χρήση της τεχνητής νοημοσύνης στον εντοπισμό μοτίβων σε κλινικά στοιχεία που θα μπορούν να χρησιμοποιηθούν για να σαρωθούν μεγαλύτερες βάσεις γενετικών δεδομένων για να διαπιστωθεί η αιτία του κινδύνου.
Η ισχύς αυτής της μεθόδου τεχνητής νοημοσύνης προέρχεται από τον εντοπισμό του κινδύνου με βάση συνδυασμούς νόσων.
Οι ερευνητές χρησιμοποίησαν τη βάση δεδομένων του UCSF με στοιχεία 5 εκατομμυρίων ασθενών για να εξετάσουν συννοσηρότητες σε ασθενείς με Alzheimer έναντι ανθρώπων χωρίς τη νόσο.
Διαπίστωσαν ότι μπορούσαν να εντοπίσουν με 72% προγνωστική ισχύ ποιος θα εμφάνιζε τη νόσο Alzheimer, έως 7 χρόνια πριν.
Αρκετοί παράγοντες, όπως υπέρταση, υψηλή χοληστερόλη και έλλειψη βιταμίνης D ήταν προγνωστικοί σε άντρες και γυναίκες.
Η στυτική δυσλειτουργία και η υπερπλασία του προστάτη ήταν προγνωστικοί παράγοντες στους άντρες. Στις γυναίκες η οστεοπόρωση ήταν ιδιαίτερα σημαντικός προγνωστικός παράγοντας. Αυτό δεν σημαίνει ότι όλες όσες έχουν οστεοπόρωση θα εμφανίσουν Alzheimer.
Όπως εξηγούν οι ερευνητές, είναι ο συνδυασμός νόσων αυτός που επιτρέπει ατο μοντέλο να προβλέψει την έναρξη της νόσου Alzheimer.
Το εύρημα ότι η οστεοπόρωση είναι ένας προγνωστικός παράγοντας για τις γυναίκες υπογραμμίζει τη βιολογική αλληλεπίδραση μεταξύ υγείας των οστών και κινδύνου για άνοια.
Για να κατανοήσουν τη βιολογία πίσω από την προγνωστική δύναμη του μοντέλου, οι ερευνητές στράφηκαν σε μοριακές βάσεις δεδομένων και ένα εργαλείο που αναπτύχθηκε στο UCSF, που ονομάζεται SPOKE (Scalable Precision Medicine Oriented Knowledge Engine), το οποίο αναπτύχθηκε στο εργαστήριο του καθηγητή Sergio Baranzini.
Το SPOKE είναι μια βάση δεδομένων βάσεων δεδομένων που οι ερευνητές μπορούν να χρησιμοποιούν για τον εντοπισμό μοτίβων και πιθανών μοριακών στόχων για θεραπεία. Εντόπισε τη γνωστή σχέση μεταξύ Alzheimer και υψηλής χοληστερόλης μέσω ποικιλομορφίας του γονιδίου APOE4. Όμως όταν συνδυάστηκε με βάσεις γενετικών δεδομένων εντόπισε επίσης σχέση μεταξύ οστεοπόρωσης και Alzheimer στις γυναίκες μέσω ποικιλομορφίας στο γονίδιο MS4A6A.
Οι ερευνητές ελπίζουν ότι τελικά η μέθοδος θα μπορεί να χρησιμοποιηθεί με άλλες νόσους που είναι δύσκολο να διαγνωστούν, όπως λύκος και ενδομητρίωση.
