Η επιληψία είναι μια σοβαρή νευρολογική κατάσταση κατά την οποία διαταράσσεται η δραστηριότητα των νευρικών κυττάρων του εγκεφάλου προκαλώντας κρίσεις και η οποία επηρεάζει περίπου το 1% του παγκόσμιου πληθυσμού. Στο Ηνωμένο Βασίλειο επηρεάζονται περίπου 600.000 άνθρωποι.
Και ενώ οι φαρμακευτικές θεραπείες είναι διαθέσιμες για την πλειοψηφία των ατόμων με επιληψία, το 20-30% αυτών δεν ανταποκρίνεται στα φάρμακα. Σε παιδιά που έχουν υποβληθεί σε χειρουργική επέμβαση για τον έλεγχο της επιληψίας τους, η εστιακή φλοιώδη δυσπλασία (FCD), είναι η πιο κοινή αιτία, ενώ στους ενήλικες αποτελεί την τρίτη πιο κοινή αιτία.
Μια διεθνής ερευνητική ομάδα με επικεφαλής βρετανούς επιστήμονες από το University College of London δημιούργησαν έναν αλγόριθμο τεχνητής νοημοσύνης (AI) που μπορεί να εντοπίζει ανεπαίσθητες ανωμαλίες του εγκεφάλου που ευθύνονται για επιληπτικές κρίσεις.
Προκειμένου να δημιουργηθεί ο αλγόριθμος που αποκαλύπτει τα σημεία εμφάνισης ανωμαλιών σε περιπτώσεις με ανθεκτική στα φάρμακα εστιακή φλοιώδη δυσπλασία (FCD), οι ερευνητές στο πλαίσιο του έργου Multicentre Epilepsy Lesion Detection (MELD) ανέλυσαν περισσότερες από 1.000 εικόνες MRI ασθενών από 22 διεθνή κέντρα για την επιληψία.
Η FCD είναι μια εγκεφαλική διαταραχή που προκύπτει από τη μη φυσιολογική πρώιμη ανάπτυξη των νευρώνων στον φλοιό του εγκεφάλου και συχνά προκαλεί επιληψία ανθεκτική στα φάρμακα. Παρότι η χειρουργική επέμβαση χρησιμοποιείται συνήθως για τη θεραπεία της, ο εντοπισμός των βλαβών με μια μαγνητική τομογραφία είναι ένα διαχρονικό πρόβλημα για τους γιατρούς, καθώς οι μαγνητικές τομογραφίες σε άτομα με FCD μπορεί να δείχνουν φυσιολογικές.
Οι επιστήμονες χρησιμοποίησαν περίπου 300.000 θέσεις σε όλο τον εγκέφαλο για να αναπτύξουν τον αλγόριθμο, ο οποίος με μαγνητικές τομογραφίες μέτρησε τα χαρακτηριστικά του εγκεφαλικού φλοιού, όπως το πάχος ή την πτύχωση της επιφάνειάς του. Στη συνέχεια οι ερευνητές με βάση τα δεδομένα εκπαίδευσαν τον αλγόριθμο. Ο αλγόριθμός μαθαίνει αυτόματα να ανιχνεύει βλάβες από χιλιάδες μαγνητικές τομογραφίες ασθενών και μπορεί να ανιχνεύσει με αξιοπιστία ανωμαλίες διαφορετικών τύπων, σχημάτων και μεγεθών, ακόμη και πολλές από αυτές που προηγουμένως αγνοούσαν οι ακτινολόγοι.
Σύμφωνα με τα αποτελέσματα, τα οποία δημοσιεύθηκαν στο περιοδικό Brain , ο αλγόριθμος εντόπισε επιτυχώς άτομα με FCD στο 67% των περιπτώσεων στην μελέτη κοόρτης με 538 συμμετέχοντες (η μελέτη σειράς ή μελέτη κοόρτης είναι ένα είδος παρατηρητικής μελέτης που περιγράφει μια ομάδα ατόμων με ένα κοινό χαρακτηριστικό).
Νωρίτερα, 178 από τα άτομα είχαν χαρακτηριστεί αρνητικά για FCD στη μαγνητική τομογραφία, πράγμα που σημαίνει ότι οι ακτινολόγοι δεν μπόρεσαν να εντοπίσουν την ανωμαλία. Ωστόσο, ο αλγόριθμος MELD μπόρεσε να ανιχνεύσει την FCD στο 63% αυτών των περιπτώσεων.
Αυτό είναι ιδιαίτερα σημαντικό γιατί, εάν οι γιατροί μπορούν να αναγνωρίσουν την ανωμαλία στη σάρωση εγκεφάλου, η χειρουργική επέμβαση για την αφαίρεσή της μπορεί να προσφέρει αποτελεσματική θεραπεία.
Η Δρ. Mathilde Ripart (UCL Great Ormond Street Institute of Child Health) είπε ότι δόθηκε έμφαση στη δημιουργία ενός αλγόριθμου AI που ήταν ερμηνεύσιμος και θα μπορούσε να βοηθήσει τους γιατρούς να λάβουν αποφάσεις. «Το να δείξουμε στους γιατρούς πώς ο αλγόριθμος MELD κάνει τις προβλέψεις του ήταν ένα ουσιαστικό μέρος αυτής της διαδικασίας».
Ο Dr. Konrad Wagstyl (UCL Queen Square Institute of Neurology) πρόσθεσε ότι αυτός ο αλγόριθμος θα μπορούσε να βοηθήσει στην ανίχνευση ακόμη περισσότερων κρυφών βλαβών σε παιδιά και ενήλικες με επιληψία και να επιτρέψει σε περισσότερους ασθενείς να προχωρήσουν σε χειρουργική επέμβαση εγκεφάλου για να την θεραπεύσουν και να βελτιώσουν τη γνωστική τους λειτουργία. «Περίπου 440 παιδιά ετησίως θα μπορούσαν να επωφεληθούν από τη χειρουργική επέμβαση για επιληψία στην Αγγλία».
Αξίζει να σημειωθεί πως αυτή η μελέτη για την ανίχνευση της FCD χρησιμοποιεί τη μεγαλύτερη κοόρτη μαγνητικής τομογραφίας για FCD μέχρι σήμερα, πράγμα που σημαίνει ότι είναι σε θέση να ανιχνεύσει όλους τους τύπους FCD. Ο αλγόριθμος MELD μπορεί να εφαρμοστεί σε οποιονδήποτε ασθενή με υποψία για FCD που είναι ηλικίας άνω των 3 ετών και που έχει υποβληθεί σε μαγνητική τομογραφία.
Πηγή: Brain
