Bloedtest kan Parkinson zeven jaar voor symptomen voorspellen met behulp van kunstmatige intelligentie
AmsterdamOnderzoekers van UCL en het Universitair Medisch Centrum Göttingen hebben een bloedtest ontwikkeld die de ziekte van Parkinson tot zeven jaar voordat symptomen verschijnen kan opsporen. Deze test maakt gebruik van kunstmatige intelligentie (AI) om bloedmonsters te analyseren.
De ziekte van Parkinson treft bijna 10 miljoen mensen wereldwijd. Dit gebeurt doordat hersencellen in een gebied genaamd de substantia nigra afsterven. Dit deel van de hersenen regelt onze bewegingen. De ziekte wordt veroorzaakt door de ophoping van een eiwit genaamd alfa-synucleïne. Op dit moment beginnen behandelingen pas wanneer symptomen zoals beven, trage bewegingen, loopproblemen en geheugenproblemen zich voordoen.
Het vroegtijdig opsporen van de ziekte maakt behandelingen mogelijk die hersencellen kunnen beschermen en de ziekte kunnen vertragen of stoppen. Professor Kevin Mills van het UCL Great Ormond Street Institute of Child Health benadrukte dat vroege diagnose essentieel is. Hij gaf aan dat het vinden van de ziekte voordat symptomen optreden cruciaal is voor het uitproberen van nieuwe behandelingen.
Een studie in Nature Communications toonde aan dat machine learning Parkinson kan diagnosticeren met 100% nauwkeurigheid door acht bloedbiomarkers te analyseren. Het systeem kon ook voorspellen wie de ziekte zou krijgen.
Dit zijn de belangrijkste bevindingen:
- Onderzoekers onderzochten bloed van 72 patiënten met Rapid Eye Movement Gedragsstoornis (iRBD).
- Bij zo’n 75-80% van de iRBD-patiënten ontwikkelen zich hersenaandoeningen zoals Parkinson.
- De AI-tool ontdekte dat 79% van deze patiënten een profiel had dat overeenkomt met dat van Parkinson-patiënten.
- Het team volgde deze patiënten tien jaar lang en de AI-voorspellingen kwamen overeen met de klinische uitkomsten.
De onderzoekers controleren bij patiënten of de test nauwkeurig is. Dr. Michael Bartl van het Universitair Medisch Centrum Göttingen en Dr. Jenny Hällqvist van UCL leidden de studie. Zij zijn van mening dat het vroegtijdig opsporen van mogelijk Parkinson-patiënten kan leiden tot snellere behandelingen en mogelijk het verloop van de ziekte kan vertragen.
Deze bloedtest controleert op tekenen van ontsteking en eiwitafbraak om de ziekte vast te stellen. Deze tekenen kunnen helpen bij het ontwikkelen van nieuwe behandelingen. Professor Kailash Bhatia en zijn team aan de UCL testen deze methode op mensen die waarschijnlijk Parkinson krijgen, inclusief degenen met genetische mutaties gerelateerd aan de ziekte van Gaucher.
Het team wil een eenvoudige bloedtest ontwikkelen waarbij een druppel bloed op een kaart naar een laboratorium kan worden gestuurd voor analyse. Ze zoeken financiering om dit project te starten.
Het onderzoek is gefinancierd door het EU Horizon 2020 programma, Parkinson's UK, het National Institute for Health and Care Research GOSH Biomedical Research Centre en de Szeben-Peto Foundation. Professor David Dexter van Parkinson's UK noemt dit onderzoek een grote vooruitgang. Hij denkt dat het kan helpen om Parkinson te onderscheiden van soortgelijke aandoeningen zoals Multiple System Atrofie of Dementie met Lewy-lichaampjes.
Een bloedtest om biomarkers op te sporen is minder ingrijpend dan een ruggenprik. Deze nieuwe test zou het eenvoudiger en toegankelijker kunnen maken om de ziekte van Parkinson te diagnosticeren.
De studie is hier gepubliceerd:
http://dx.doi.org/10.1038/s41467-024-48961-3en de officiële citatie - inclusief auteurs en tijdschrift - is
Jenny Hällqvist, Michael Bartl, Mohammed Dakna, Sebastian Schade, Paolo Garagnani, Maria-Giulia Bacalini, Chiara Pirazzini, Kailash Bhatia, Sebastian Schreglmann, Mary Xylaki, Sandrina Weber, Marielle Ernst, Maria-Lucia Muntean, Friederike Sixel-Döring, Claudio Franceschi, Ivan Doykov, Justyna Śpiewak, Héloїse Vinette, Claudia Trenkwalder, Wendy E. Heywood, Kevin Mills, Brit Mollenhauer. Plasma proteomics identify biomarkers predicting Parkinson’s disease up to 7 years before symptom onset. Nature Communications, 2024; 15 (1) DOI: 10.1038/s41467-024-48961-3Deel dit artikel