Исследователи из Weill Cornell Medicine использовали машинное обучение для определения трех подтипов болезни Паркинсона на основе скорости прогрессирования заболевания. Помимо того, что эти подтипы могут стать важным диагностическим и прогностическим инструментом, они отмечены различными драйверными генами. Если они будут подтверждены, эти маркеры также могут подсказать, как можно воздействовать на подтипы новыми и существующими препаратами.

Исследование было опубликовано 9 июля в журнале npj Digital Medicine.

«Болезнь Паркинсона крайне неоднородна, что означает, что у людей с одним и тем же заболеванием могут быть совершенно разные симптомы», — сказал старший автор доктор Фэй Ван, профессор наук о здоровье населения и директор-основатель Института ИИ для цифрового здравоохранения (AIDH) в Департаменте наук о здоровье населения в Weill Cornell Medicine. «Это указывает на то, что вряд ли существует единый подход к ее лечению. Возможно, нам придется рассмотреть индивидуальные стратегии лечения, основанные на подтипе заболевания пациента».

Исследователи определили подтипы на основе их различных моделей прогрессирования заболевания. Они назвали их подтипом Inching Pace (PD-I, около 36% пациентов) для заболевания с легкой исходной тяжестью и легкой скоростью прогрессирования; подтипом Moderate Pace (PD-M, около 51% пациентов) для случаев с легкой исходной тяжестью, но прогрессирующим с умеренной скоростью; и подтипом Rapid Pace (PD-R) для случаев с самой быстрой скоростью прогрессирования симптомов.

Они смогли идентифицировать подтипы, используя подходы на основе глубокого обучения для анализа деидентифицированных клинических записей из двух больших баз данных. Они также исследовали молекулярный механизм , связанный с каждым подтипом, посредством анализа генетических и транскриптомных профилей пациентов с помощью сетевых методов. Например, подтип PD-R имел активацию определенных путей, таких как те, которые связаны с нейровоспалением, окислительным стрессом и метаболизмом. Команда также обнаружила различные биомаркеры визуализации мозга и спинномозговой жидкости для трех подтипов.

Лаборатория доктора Вана изучает болезнь Паркинсона с 2016 года, когда группа приняла участие в конкурсе данных Parkinson\’s Progression Markers Initiative (PPMI); команда выиграла конкурс по теме выведения подтипов и с тех пор продолжает эту работу. Они использовали данные, собранные в когорте PPMI, в качестве основной когорты развития подтипа в своем исследовании и подтвердили их с помощью когорты Программы биомаркеров болезни Паркинсона (PDBP) Национального института неврологических расстройств и инсульта (NINDS).

Исследователи использовали свои выводы для выявления возможных кандидатов на лекарства, которые можно было бы перепрофилировать для воздействия на конкретные молекулярные изменения, наблюдаемые в различных подтипах. Затем они использовали две крупномасштабные реальные базы данных медицинских карт пациентов, чтобы подтвердить, что эти лекарства могут помочь облегчить прогрессирование болезни Паркинсона.

Эти базы данных, INSIGHT Clinical Research Network, базирующаяся в Нью-Йорке, и OneFlorida+ Clinical Research Consortium, являются частью Национальной сети клинических исследований, ориентированных на пациента (PCORnet). INSIGHT возглавляет доктор Райну Каушал, старший заместитель декана по клиническим исследованиям в Weill Cornell Medicine и заведующий кафедрой наук о здоровье населения в Weill Cornell Medicine и NewYork-Presbyterian/Weill Cornell Medical Center.

«Изучив эти базы данных, мы обнаружили, что люди, принимающие лекарство от диабета метформин, по-видимому, имели улучшение симптомов заболевания — особенно симптомов, связанных с познанием и падениями — по сравнению с теми, кто не принимал метформин», — сказал первый автор доктор Чан Су, доцент кафедры популяционных наук о здоровье, а также член AIDH в Weill Cornell Medicine. Это было особенно актуально для людей с подтипом PD-R, у которых наиболее вероятно наличие когнитивных дефицитов на ранних стадиях болезни Паркинсона.

«Мы надеемся, что наше исследование заставит других исследователей задуматься об использовании разнообразных источников данных при проведении исследований, подобных нашему», — сказал доктор Ван. «Мы также считаем, что исследователи трансляционной биоинформатики смогут дополнительно подтвердить наши выводы как вычислительно, так и экспериментально».

В этой работе приняли участие ряд соавторов, в том числе ученые из Кливлендской клиники, Университета Темпл, Университета Флориды, Калифорнийского университета в Ирвайне и Техасского университета в Арлингтоне, а также докторанты программы по компьютерным наукам Корнеллского технологического института и программы по вычислительной биологии кампуса Корнеллского университета в Итаке.