به گزارش آوای خزر و به نقل از گیزمگ، دانشمندان سه زیرگروه جدید ام.اس(MS) را شناسایی کرده‌اند. یک گروه از محققان الگوریتم‌های هوش مصنوعی را برای بررسی مجموعه داده بزرگی از اسکن ام.آر.آی مغز بیماران ام.اس آموزش دادند و الگوهای جدیدی در مورد اینکه کدام مناطق مغز ابتدا تحت تأثیر بیماری قرار دارند کشف کردند. این امر می‌تواند به گزینه‌های درمانی جدید منجر شود.
ام.اس نوعی بیماری ناتوان کننده است که در آن سیستم ایمنی بدن به اشتباه به غلاف میلین، بافت چربی موجود در اعصاب حمله می‌کند. میلین مانند عایق سیم برق عمل می‌کند بنابراین در صورت آسیب دیدن، سیگنال‌های سیستم عصبی در عبور از آن با مشکل مواجه خواهند شد که این امر در علائمی مانند ضعف عضلانی، اسپاسم، بی‌حسی و مشکلاتی در تعادل یا هماهنگی ظاهر می‌شود.
در حال حاضر ام.اس به چهار نوع دسته بندی می‌شود که این چهار نوع به طور کلی بر اساس فعالیت و پیشرفت بیماری تعریف می‌شوند. سندروم ایزوله بالینی(CIS) حمله اولیه علائم است که ممکن است یک حمله‌ای باشد که تنها یک بار رخ می‌دهد و تکرار نمی‌شود یا به ام اس تبدیل شود. ام اس عودکننده-بهبودیابنده(RRMS) یک مرحله مداوم است که در آن بیماران دوره‌های متناوبی از ظهور علائم و بهبود را تجربه می‌کنند. ام.اس پیشرونده اولیه(PPMS) نوعی است که علائم به تدریج بدتر می‌شوند و در این بین هیچ گونه بهبودی دیده نمی‌شود و ام.اس پیشرونده ثانویه (SPMS) که در اواخر عمر در بیماران ام اس پیشرونده اولیه اتفاق می‌افتد و طی آن بهبودی متوقف می‌شود و یک حالت افت/ضعف مداوم آغاز می‌شود.
مشکل این دسته‌بندی این است که این چهار نوع بیشتر به مراحل مختلف یک بیماری مرتبط هستند تا انواع مختلف آن. از نظر اینکه کدام گزینه‌های درمانی ممکن است برای هر بیمار بهتر باشد، این دسته‌بندی چندان مفید نیستند زیرا بیماران در طول زندگی خود می‌توانند چندین نوع از ام.اس را تجربه کنند.
بنابراین در این مطالعه جدید محققان بررسی کردند که آیا زیرگروه‌های دیگری نیز وجود دارند که ممکن است به آنها در روند درمان بیماران کمک کند و این بیماری را زودتر تشخیص دهند یا خیر.
برای همین محققان از یک ابزار هوش مصنوعی به نام "SuStaIn" برای بررسی اسکن مغزی ام آر آی ۶ هزار و ۳۲۲ بیمار مبتلا به ام اس استفاده کردند. با انجام این کار محققان موفق به شناسایی سه زیرگروه جدید ام.اس شدند و دانشمندان آنها را(cortex-led)، (normal-appearing white matter-led) و (lesion-led) نامیدند. این نام‌ها بر اساس اینکه آنها کجا و چه نوع ناهنجاری‌هایی زودتر دیده می‌شوند، انتخاب شده است.
دکتر آرمان عشاقی محقق ارشد این مطالعه گفت: در حال حاضر بیماری ام.اس به طور کلی در گروه‌های پیشرونده و عود کننده طبقه‌بندی می‌شود که این نیز براساس علائم بیمار است. این به طور مستقیم به بیولوژی زمینه‌ای بیماری متکی نیست و بنابراین نمی‌تواند در انتخاب روش درمانی مناسب برای بیماران به پزشکان کمک کند. بنابراین ما از هوش مصنوعی استفاده کردیم و هوش مصنوعی ما توانست سه زیر گروه ام اس مبتنی بر داده را کشف کند.
متخصصان پزشکی با داشتن این اطلاعات سرانجام می‌توانند بیماری را بهتر تشخیص دهند و درمانی را تجویز کنند که به احتمال زیاد مفید باشد.
یافته‌های این مطالعه در مجله "Nature Communications " منتشر شده است.
