پژوهشگران با استفاده از هوش مصنوعی و دادههای ژنتیکی بیش از ۴۳ هزار نفر، الگوهای زیستیای را شناسایی کردند که میتواند نحوه تشخیص و درمان یکی از شایعترین اختلالات عصبی را متحول کند.
دهههاست تشخیص میگرن تقریبا به روشهای سنتی انجام میشود: پزشک از بیمار میپرسد سردردش چه حسی دارد.
آگهی
آگهی
هیچ آزمایش خون، تصویربرداری یا نشانگر زیستی تثبیتشدهای وجود ندارد که بتواند این اختلال را به طور قطعی مشخص کند. در عوض، پزشکان به مجموعه شناختهشدهای از علائم تکیه میکنند: سردردهای شدید که اغلب با حالت تهوع و حساسیت به نور یا صدا همراه است.
اما پژوهش تازهای نشان میدهد میگرن احتمالا ردپای زیستی بسیار گستردهتری بر جا میگذارد؛ فراتر از آنچه این علائم نشان میدهد.
پژوهشگران در نروژ با استفاده از یادگیری ماشین، تنها بر اساس اطلاعاتی که شامل علائم خودِ سردرد نبود، افراد مبتلا به میگرن را شناسایی کردند و سپس با کمک هوش مصنوعی، گروههای متمایز بیماران میگرنی را از هم جدا کردند.
پژوهشگران در این مقاله که در مجله Neurology (منبع به زبان انگلیسی) منتشر شده، مینویسند میگرن احتمالا اصلا یک بیماری واحد نیست، بلکه «اختلالی طیفی است که میتوان آن را با استفاده از دادههای گسترده بالینی و زیستی شناسایی و لایهبندی کرد، نه فقط بر اساس علائم ویژه سردرد».
آنکر استوبرود، پزشک و پژوهشگر سردرد در دانشگاه علوم و فناوری نروژ (NTNU)، گفت: «در تشخیص میگرنها ناهمسانیهای بسیاری وجود دارد. به نظر میرسد هوش مصنوعی بتواند به ما کمک کند تشخیص درستی بگذاریم.»
این یافتهها در نهایت میتواند برای درمان هم اهمیت داشته باشد. اگر شکلهای مختلف میگرن امضای زیستی متفاوتی داشته باشند، شاید پزشکان بتوانند روزی پیشبینی کنند کدام بیمار به کدام درمان پاسخ میدهد و، به گفته استوبرود، «بیماران بهترین درمان ممکن را دریافت کنند»؛ به جای آنکه عمدتا بر روش آزمون و خطا تکیه شود.
پژوهشگران دادههای طرح سلامت تروندلاگ، یک مطالعه بزرگ جمعیتی در نروژ که اطلاعات بالینی آن در دهههای ۱۹۹۰ و ۲۰۰۰ جمعآوری شده، را تحلیل کردند. تحلیل تشخیصی آنها شامل ۴۳ هزار و ۱۹۷ نفر بود که نزدیک به ۹ هزار نفرشان در گروه مبتلا به میگرن طبقهبندی شده بودند.
آنها دهها شاخص مربوط به وضعیت سلامت و زندگی افراد ـ از جمله ویژگیهای جمعیتشناختی، سلامت روان، بیماریهای قلب و عروق و اسکلتیعضلانی، خواب، ورزش، مصرف دارو و عوامل دیگر ـ را همراه با اطلاعات ژنتیکی وارد مدل هوش مصنوعی کردند.
نکته مهم این بود که ویژگیهای تعریفکننده خودِ سردرد به مدل داده نشد.
با این حال، بهترین مدل در مجموعه آزمون جداگانه به مساحت زیر منحنی ۰٫۸۰ دست یافت؛ شاخصی که نشاندهنده توان تفکیک نسبتا خوب میان افراد مبتلا به میگرن و افراد بدون سردرد است. افزودن اطلاعات ژنتیکی فقط بهبود اندکی نسبت به استفاده صرف از دادههای بالینی ایجاد کرد.
استوبرود گفت: «اینکه هوش مصنوعی توانست بدون دانستن هیچ چیز درباره خودِ سردرد، میگرن را تا این حد دقیق شناسایی کند، نشان میدهد این وضعیت ردهایی بر جا میگذارد که بسیار فراتر از خودِ حملات است.»
این نتیجه از منظر درک زیستشناسی میگرن هم اهمیت دارد.
بر اساس تحلیل پژوهشگران از عواملی که پیشبینیهای مدل را هدایت میکرد، سن مهمترین شاخص بود و پس از آن عواملی مانند درد گردن، قاعدگی و تهوع قرار داشتند.
چهار نوع میگرن
سپس مطالعه گام دوم را برداشت: به جای آنکه از الگوریتم خواسته شود میگرن را از دیگر انواع سردرد جدا کند، پژوهشگران از آن خواستند در دل دادهها به دنبال گروههای طبیعی بگردد.
در میان ۱۲ هزار و ۱۸۵ نفری که اطلاعات مربوط به سردردشان به قدر کافی کامل بود، الگوریتم یک خوشه ۱ هزار و ۴۲۵ نفری را شناسایی کرد که ۹۴ درصد اعضای آن معیارهای پژوهشگران برای میگرن را داشتند. خوشهای بسیار بزرگتر شامل افرادی بود که سردردهایشان بیشتر در گروه غیرمیگرنی طبقهبندی میشد.
خودِ این گروه شبیه میگرن هم به چهار زیرگروه تقسیم میشد.
یکی از این زیرگروهها فقط از مردان تشکیل میشد. دیگری با درد واضح گردن مشخص میشد. در سومی، دردهای اسکلتیعضلانی همراه با اضطراب و افسردگی برجستهتر بود. چهارمین زیرگروه بیشتر به چیزی شباهت داشت که پزشکان آن را «میگرن کلاسیک» مینامند؛ افرادی در این گروه دچار اورای میگرن میشدند، یعنی مجموعهای از علائم موقت عصبی که ممکن است پیش از حمله یا در جریان آن بروز کند؛ از جمله جرقههای نوری، خطوط زیگزاگ، لکههای کور یا نواحی درخشان، و همچنین مورمور یا بیحسی و دشواری در صحبت کردن.
این زیرگروهها از نظر سیگنالهای ژنتیکی نیز با هم تفاوت داشتند. پژوهشگران دریافتند امتیازهای خطر ژنتیکی مبتنی بر یادگیری ماشین، این گروهها را بهتر از امتیازهای چندژنی متعارف از هم تفکیک میکند.
استوبرود گفت: «این یافتهها فرضیهای را تقویت میکند که میگوید میگرن یک بیماری واحد نیست، بلکه مجموعهای متنوع از وضعیتهای زیستی متفاوت است.»
پیامدهای این کار احتمالا فراتر از صرفا بهبود یک آزمون تشخیصی است.
این نتایج شاید بتواند توضیح دهد چرا درمانی که برای یک بیمار مبتلا به میگرن به طرز چشمگیری موثر است، برای بیمار دیگر تقریبا هیچ فایدهای ندارد؛ پرسشی دیرینه برای بیماران و پزشکان.