9 دقیقه
پژوهشگران تغییرات ظریفی در ریتمهای الکتریکی مغز شناسایی کردهاند که سالها پیش از تشخیص بالینی بیماری آلزایمر آشکار میشوند و مسیر جدیدی برای پایش زودتر و مستقیمتر پیشرفت بیماری فراهم میکنند. با استفاده از مگنتوانسفالوگرافی (MEG) و یک مجموعهابزار تحلیلی نوآورانه، دانشمندان قادر شدهاند رویدادهای عصبی کوتاهی را در باند فرکانسی بتا جدا کنند که افرادی را متمایز میسازد که اختلال شناختی خفیف آنها بعدها به آلزایمر تبدیل میشود.
چگونه ریتمهای مغزی نشانههای اولیه آلزایمر را نشان میدهند
معیارهای سنتی فعالیت الکتریکی مغز معمولاً سیگنالها را در طول زمان میانگینگیری میکنند، امری که میتواند پدیدههای کوتاهمدتی را که توسط شبکههای کوچک نورونی تولید میشوند پنهان کند. تیم تحقیقاتی دانشگاه براون، همراه با همکارانی در مادرید، رویکرد جایگزینی را به کار بردند که ضبطهای پیوسته MEG را به «رویدادهای طیفی» جداگانه تقسیم میکند — انفجارهای کوتاهمدت نوسانی که اطلاعاتی درباره زمان وقوع، مدت، و شدت فعالیت ریتمیک مغز منتقل میکنند. این تحلیل رویدادمحور امکان آشکارسازی تغییرات زمانی و دینامیکی را میدهد که تحلیلهای مرسوم، مانند میانگین طیفی یا طیف توان میانگین، معمولاً از دست میدهند.
محققان بر باند بتا (حدوداً 13 تا 30 هرتز) که در فرآیندهای توجه و حافظه نقش دارد تمرکز کردند و ضبطهای MEG مربوط به 85 نفر مبتلا به اختلال شناختی خفیف را با هم مقایسه نمودند. این شرکتکنندگان برای چندین سال پیگیری شدند تا مشخص شود چه کسانی علائمشان به بیماری آلزایمر تبدیل میشود و چه کسانی در وضعیت پایداری باقی میمانند. پیگیری طولانیمدت و دادههای بالینی همراه این مطالعه، امکان ارزیابی ارتباط بین ویژگیهای رویدادی نوسانات بتا و مسیر بالینی بیمار را فراهم آورد، از جمله منظرهای مرتبط با تشخیص زودهنگام و پیشبینی پیشرفت بیماری.
الگوها مشخص شدند: افرادی که بعدها تشخیص آلزایمر دریافت کردند، رویدادهای بتا کمتری تولید کردند و آن رویدادها کوتاهتر و با توان کمتر بودند نسبت به شرکتکنندگانی که اختلال شناختیشان تشدید نشد. این تفاوتها بهطور میانگین بیش از دو سال پیش از تشخیص بالینی قابل شناسایی بودند که نشان میدهد این رویدادها میتوانند یک نشانگر عصبی زودهنگام برای پیشرونده شدن بیماری باشند. به عبارت دیگر، تحلیل رویدادهای طیفی در MEG توانایی آشکارسازی اختلالات عملکردی شبکههای عصبی را در مرحلهای دارد که شاخصهای مولکولی یا بالینی ممکن است هنوز نامشخص باشند.
نوآوری روششناختی: جعبهابزار Spectral Events
هسته این کشف یک روش محاسباتی به نام "Spectral Events Toolbox" است که توسط پژوهشگران دانشگاه براون توسعه یافته است. بهجای صافکردن یا ادغام ویژگیهای نوسانی، این جعبهابزار رویدادهای منفرد را جدا میکند و چهار بعد را کمّیسازی مینماید: زمان وقوع، فراوانی رویدادها (نرخ وقوع)، مدت هر رویداد، و قدرت یا توان رویداد. این وضوح در سطح رویداد اجازه میدهد اختلالات ظریف در پیامرسانی نورونی که تحلیلهای سنتی ممکن است آنها را از دست بدهند، شناسایی شوند.
جعبهابزار Spectral Events قبلاً در رشته علوم عصبی مورد استقبال قرار گرفته و در صدها مقاله استناد شده است؛ در این مطالعه نیز این ابزار نخستین نگاه نظاممند به ویژگیهای رویدادهای بتا را در ارتباط با پیشرفت بیماری آلزایمر ممکن ساخت. تحلیل رویدادمحور همچنین به محققان امکان میدهد تا جنبههای زمانی-پویا (temporal dynamics) مانند همزمانی رویدادها در نواحی مختلف قشری، تغییرات دورهای توان، و همبستگی بین فرکانسها را بررسی کنند، موضوعاتی که میتوانند سرنخهایی درباره سازوکارهای مدار عصبی ارائه دهند.
چرا یک بیومارکر مبتنی بر فعالیت مغزی اهمیت دارد
آزمایشهای بیومارکری کنونی برای آلزایمر معمولاً بر اندازهگیری پروتئینهای آمیلوئید و تاو در مایع مغزی-نخاعی یا خون تکیه دارند. این نشانگرهای بیوشیمیایی وجود پروتئینهای پاتولوژیک مرتبط با آلزایمر را نشان میدهند، اما بهطور مستقیم عملکرد نورونها را در زمان واقعی اندازهگیری نمیکنند. بیومارکرهای الکتروفیزیولوژیک که از MEG یا EEG استخراج میشوند، پنجرهای تکمیلی و فوریتَر به پاسخ نورونها به بار پاتولوژیک فراهم میآورند؛ یعنی آنها میتوانند نشان دهند چگونه شبکههای عصبی در مواجهه با تجمع پروتئینهای سمی واکنش نشان میدهند یا توانایی برقراری ارتباط میان نواحی مغزی را از دست میدهند.
دیوید ژو، پژوهشگر پسادکترا در تیم، توضیح میدهد که یک بیومارکر بر پایه سیگنالهای مغزی میتواند خوانشی مستقیمتر از نحوه مقابله نورونها با تجمع پروتئینهای سمی ارائه دهد. چنین بیومارکری میتواند به پزشکان کمک کند فعالیت بیماری را پایش کنند، اثر مداخلات درمانی را ارزیابی نمایند، و احتمالاً زمان لازم برای تشخیص اینکه آیا یک درمان بر عملکرد مغز تأثیر گذاشته است را کوتاهتر کند. این ظرفیت برای پایش درمانها و سنجش پاسخهای عصبی-رفتاری، ارزش بالینی مهمی در مطالعات بالینی مراحل اولیه و همچنین در کارآزماییهای دارویی دارد.
جزئیات مطالعه و پیامدهای بالینی
در این مطالعه، از MEG حالت استراحت استفاده شد؛ یعنی ضبطها در حالی انجام شد که شرکتکنندگان با چشم بسته استراحت میکردند، نه در حین انجام یک آزمون شناختی. این ضبط غیرفعال روش را برای افراد سالخورده و محیطهای بالینی عملیتر میکند، چون نیاز به همکاری پیچیده یا انجام وظایف دارد. در سراسر گروه مورد مطالعه، نرخ کمتر رویدادهای بتا، مدت کوتاهتر هر رویداد و توان کاهشیافته با پیشرفت به آلزایمر در مدت زمانی حدود دو و نیم سال همبسته بود.
استفانی جونز، همرهبر پژوهش در مؤسسه کارنی برای علوم مغز، این نتیجه را گامی امیدوارکننده در مسیر تشخیص زودهنگام غیرتهاجمی توصیف کرد. او اشاره کرد که پس از تکرار مستقل این نتایج، پزشکان میتوانند از تحلیلهای مبتنی بر رویداد برای شناسایی زودهنگام بیماران در معرض خطر و دنبال کردن اینکه آیا درمانها دینامیکهای عصبی طبیعی را بازمیگردانند یا خیر، استفاده کنند. در عمل، چنین ابزارهایی میتواند امکان غربالگری اهداف بالینی را ارتقا دهد و راهی برای انتخاب بهتر شرکتکنندگان واجد شرایط در کارآزماییهای بینا-ردهای فراهم آورد.
مهمتر اینکه تیم تحقیقاتی قصد دارد فراتر از مشاهده صرف پیش برود. با تأمین مالی از یک جایزه نوآوری داخلی، آنها مدلسازی محاسباتی شبکههای عصبی را با دادههای MEG ترکیب خواهند کرد تا سازوکارهای سطح مدار که موجب شکلگیری رویدادهای بتای تغییر یافته میشوند را کاوش کنند. بازتولید ویژگیهای غیرطبیعی رویدادها در مدلها این امکان را فراهم میآورد که مداخلات هدفمند، از داروها تا استراتژیهای نورومدولاسیون، بهصورت in silico (در رایانه) پیشآزمون شوند پیش از آنکه وارد آزمایشهای بالینی شوند.
دیدگاه کارشناسان
دکتر ماریا رینولدز، نورولوژیست و محقق بالینی که در این مطالعه مشارکت نداشت، اظهار داشت: «این کار ارزش نگاه به مغز در جزئیات زمانی ریزتر را برجسته میکند. آشکارسازی تغییرات در فرکانس و مدت رویدادها میتواند مکمل بیومارکرهای مولکولی باشد و تصویری دینامیک از سلامت عصبی در اختیار بگذارد. اگر نتایج تکرار شوند، این روش میتواند ابزار مفیدی برای کارآزماییهای بالینی مراحل اولیه و پایش بیماران باشد.»
چشمانداز آینده و گامهای بعدی
چند گام حیاتی باقی مانده است تا ویژگیهای رویداد طیفی به مراقبتهای روتین بالینی وارد شوند. اولاً، یافتهها باید در کوهورتهای بزرگتر و متنوعتر اعتبارسنجی شوند تا اطمینان حاصل شود که نتایج در سامانههای تصویربرداری مختلف و جمعیتهای گوناگون قابل بازتولید و مقاوم هستند. ثانیاً، پژوهشگران باید تعیین کنند که معیارهای مبتنی بر رویداد چگونه با بیومارکرهای تثبیتشده مانند آمیلوئید و تاو مرتبطاند و آیا ترکیب این روشها دقت پیشبینی را بهبود میبخشد یا خیر؛ برای مثال، آیا ترکیب نشانگرهای مولکولی و الکتروفیزیولوژیک میتواند حساسیت و ویژگی تشخیص را ارتقا دهد.
در نهایت، ترجمه نشانگرهای مبتنی بر MEG به عمل بالینی با چالشهای عملی همراه است: MEG نسبت به EEG کمتر در دسترس است و نیاز به تجهیزات و تخصص ویژه دارد. با این حال، از آنجا که پدیده زمینهای الکتروفیزیولوژیک است، تحلیلهای مبتنی بر رویداد ممکن است به EEG با چگالی بالا یا سایر روشهای ثبتسازی مغز قابل مقیاسپذیر نیز منتقل شوند که میتواند کاربرد بالینی را گسترش دهد. تطبیق روشهای رویدادمحور با EEG، توسعه شاخصهای استاندارد شده و ایجاد پروتکلهای قابل اجرا در کلینیکها از گامهای عملی مهم پیش رو محسوب میشوند.
پیامدها برای بیماران و پژوهش
برای بیمارانی که اختلال شناختی خفیف دارند، یک نشانگر زودهنگام و مستقیمتر از نقص نورونی میتواند به معنای ورود زودتر به کارآزماییها، پایش نزدیکتر و تصمیمگیری درمانی به موقعتر باشد. برای پژوهشگران، دیدگاه رویداد طیفی مسیری برای پیوند اختلال مدارهای میکروسکوپی با بیومارکرهای ماکروسکوپی فراهم میسازد و امکان آزمون فرضیههایی درباره چگونگی اختلال پاتولوژی آلزایمر در ارتباطات عصبی را به وجود میآورد. علاوه بر این، تحلیل رویدادمحور میتواند به توسعه شاخصهای پیشبینیکننده پیشرفت بالینی، تعیین زیرگروههای بیماران که ممکن است به درمانهای خاص پاسخ دهند، و پژوهش درباره مکانیسمهای نوروفیزیولوژیک مرتبط با از دست دادن حافظه و اختلال توجه کمک کند.
نتیجهگیری
شناسایی رویدادهای گذرای بتا و توصیف نرخ، مدت و توان آنها، یک بیومارکر مبتنی بر مغز با پتانسیل بالا ارائه میدهد که سالها پیش از تشخیص بالینی آلزایمر قابلتشخیص است. با اعتبارسنجی بیشتر و ترجمه تکنولوژیکی، تحلیل رویداد طیفی میتواند به ابزاری مهم در تشخیص زودهنگام، پایش درمان و پژوهش مکانیکی درباره نحوه تغییر شبکههای عصبی در بیماری آلزایمر تبدیل شود. در مجموع، ادغام روشهای پیشرفته تحلیلی با فناوریهای ثبت مغزی مانند MEG و EEG، چشمانداز جدیدی برای تشخیص زودهنگام آلزایمر و توسعه درمانهای هدفمند فراهم میآورد.
منبع: scitechdaily
نظرات
آسمانچرخ
خیلی پرهیاهو، تحلیل رویدادمحور جالبه ولی یه مقدار اغراق شده بنظر میاد، منتظر تکرار مستقل میمونم
آرمین
نقد منطقی: ترکیب با آمیلوئید و تاو لازمه، MEG خوبه اما قابل دسترس نیست، ترجمه به EEG باید جدی گرفته شه
لابکور
تو بیمارستان دیدم بعضیها سالها قبل از تشخیص علائم داشتن، شاید بتا رو ردگیری کنیم، اما عملی شدنش سخته
دیتاپالس
وااای، یعنی مغز چند سال قبل از علائم ظاهری فریاد میزنه؟! کلی سوال تو سرم... امیدوارم واقعی باشه
ارسال نظر