Kunstmatige Intelligentie: Nieuwe inzichten in Parkinson Subtypen
Onderzoekers van Weill Cornell Medicine hebben, met behulp van machine learning, de ziekte van Parkinson geclassificeerd in drie subtypen. Deze ontdekking, gepubliceerd in npj Digital Medicine, biedt hoop op meer gerichte behandelingen voor patiënten.
In het onderzoek werden gegevens van 406 deelnemers uit de internationale Parkinson’s Progression Markers Initiative (PPMI) studie geanalyseerd. Het ontwikkelde deep-learning model, genaamd deep phenotypic progression embedding (DPPE), maakte het mogelijk om de complexe voortgang van de ziekte bij deze patiënten nauwkeurig te modelleren.
De drie geïdentificeerde subtypen van Parkinson zijn gebaseerd op de snelheid waarmee de ziekte vordert:
- Snelle Progressie (PD-R): Gekenmerkt door een snelle verslechtering van de symptomen. Dit subtype werd gevonden bij 13,3% van de onderzochte groep.
- Langzame Progressie (PD-I): Kenmerkt zich door milde basissymptomen en een trage vooruitgang van de ziekte. Ongeveer 35,7% van de deelnemers viel in deze categorie.
- Gemiddelde Progressie (PD-M): Deze vorm vertoont matige symptomen en een gemiddelde progressiesnelheid, aanwezig bij 50,9% van de onderzochte patiënten.
Deze bevindingen suggereren dat Parkinson als een heterogene ziekte moet worden benaderd, wat betekent dat verschillende patiënten verschillende vormen van de ziekte kunnen hebben, die elk specifieke behandelingen vereisen.
Toch benadrukken experts dat verder onderzoek nodig is om deze subtypes definitief te bevestigen en om de nauwkeurigheid van AI-modellen te verbeteren. Grotere populaties en longitudinale studies zullen essentieel zijn voor het trainen van deze modellen. Bovendien zijn er zorgen over de toegankelijkheid van deze geavanceerde diagnostische tools voor alle patiënten, vooral in onderbemiddelde regio’s.
De indeling van Parkinson in subtypen met behulp van AI biedt veelbelovende vooruitzichten voor meer gepersonaliseerde behandelingen. Verdere validatie en toegankelijkheid blijven echter kritische uitdagingen.
Bronnen