EAN 2023: Nejen o výzkumu mozkové mlhy či využití umělé inteligence k předpovědi změn mozku u starších pacientů

Vliv poruch mozku na zhoršování zdravotního stavu

Podle nejčerstvějších výsledků probíhající studie GBD zaměřené na globální zátěž způsobenou nemocemi, která byla v rámci EAN 2023 přiblížena 2. července, je přes 15 % celkové ztráty zdraví spojeno s onemocněními mozku. Ukázalo se například, že jen v roce 2021 vedla onemocnění mozku k obdobně velkému zhoršení zdraví jako kardiovaskulární (KV) choroby (ztráta plného zdraví 406 milionů vs. 402 milionů let života ztracených v důsledku disability (DALY) a významně větší než v případě onkologických nemocí (260 milionů DALY). Mimo jiné se od roku 1990 zvýšil počet případů Alzheimerovy nemoci a cévních mozkových příhod (CMP) o 178 %, resp. 98 %.

Mezi řadou faktorů, které tento jev zapříčiňují, má významné místo stárnutí populace. Prevalenci duševních poruch globálně ovlivnila i pandemie COVID-19. Potvrdila to Shayla Smithová z Institutu pro metriky a hodnocení zdraví (IHME) Washingtonské univerzity, který od roku 2007 studii GBD koordinuje. Sledovány jsou i jiné možné řídicí faktory poruch mozku, například úroveň vzdělání, obezita či kouření. Podle IHME by zátěž způsobenou onemocněními mozku, která znamená výzvu pro zdravotní systém, zaměstnavatele i rodiny, mohly částečně zmírnit nové možnosti terapie. Pokrok v medicíně od 90. let 20. století zlepšil dopad i takových stavů, jako je CMP. Cílem IHME je proto dále zlepšit prevenci a léčbu dalších onemocnění mozku a zvrátit očekávané další prohloubení ztráty zdraví. Je zapotřebí provést výzkum, jaký je nejúčinnější způsob, jak udržet zdraví mozku, byť některá literatura naznačuje, že cesty ke zdravému mozku vedou přes zdravý životní styl, kontrolu vysokého krevního tlaku a diabetu, omezení konzumace alkoholu i kouření, dostatek spánku, zdravé stravování a aktivitu fyzickou i duševní.

Výzkum mozkové mlhy

Od pandemie COVID-19 si získal zvýšenou pozornost stav označovaný jako „mozková mlha“. Podle studie prezentované na kongresu EAN 2023 ji přesně charakterizují potíže s koncentrací a schopností soustředit se v průběhu konverzace. Spojena je i s objektivně horším kognitivním výkonem a vyšší úrovní úzkosti, deprese a migrény.

Vědci systematicky studovali asociace mezi 29 proměnnými a subjektivně vnímanou přítomnosti mozkové mlhy. Pro analýzu využili univariační metody a strojové učení. Mezi 15. zářím a 18. listopadem 2022 shromažďovali data 25 796 uživatelů validované aplikace pro smartphony pro vzdálený sběr dat MindStep. Mezi sledované proměnné patřily klinické komorbidity, faktory životního stylu, symptomy, funkční deficity a kognitivní skóre.

Celkem 28,2 % uživatelů aplikace uvedlo, že zažilo mozkovou mlhu. Těmto respondentům bylo v průměru 35,7 roku a nepatrnou většinu tvořily ženy. Tito účastníci také udávali nižší kvalitu spánku. Pacienti nicméně dle autorů výzkumu používají termín mozková mlha variabilně k vysvětlení řady potíží s určitými úkoly. Vzhledem k tomu, že tento pojem byl během pandemie popularizován, nebylo překvapením, že nejsilnější spojitost v datovém souboru byla skutečně zjištěna s anamnézou tzv. long covid. Úzkost a deprese se s mozkovou mlhou také pojily, ale v menší míře.

Většina vědců dosud přijímá názor, že stav mozkové mlhy je přerušovaný a může ovlivnit širokou demografickou skupinu lidí, včetně mladých (na rozdíl od neurodegenerativní demence). Za jednu z nejlepších definic mozkové mlhy vyskytujících se v literatuře autoři označili tu, podle níž se jedná o interakci fyziologických, kognitivních a percepčních faktorů, které způsobují sníženou schopnost snadno zpracovat informace. Tomu odpovídala i jejich zjištění z provedené studie: „Mozková mlha je nejlépe definována jako potíže s koncentrací a soustředěním, které mohou ovlivnit činnosti každodenního života, včetně dokončení kancelářské práce, plánování dopředu a mentální aritmetiky. Jednalo se o nejčastější příznaky mozkové mlhy.“

S mozkovou mlhou úzce souvisely také skóre závažnosti migrény, anamnéza otřesů mozku a tzv. long covid. Podle autorů tak zbývá zjistit, do jaké míry se mechanismus těchto onemocnění, který má za následek mozkovou mlhu, může překrývat s jinými chorobami, včetně neurodegenerativních stavů, o nichž je známo, že jsou zrychleny určitými infekcemi a záněty. 

Může budoucí změny v mozku starších pacientů predikovat AI?

Podle předběžných zjištění vědců z Německa a Islandu se zdá, že metodami hlubokého strojového učení lze přesně předpovídat vývoj mozku až 6 let po iniciálním hodnocení Alzheimerovy choroby (AD) na skenech FDG-PET. Výzkumníci úspěšně použili konvoluční neuronovou síť (CNN) k trénování algoritmu na prvních dvou FDG-PET skenech získaných od 55letých a starších osob ze studie Alzheimer’s Disease Neuroimaging Initiative, které podstoupily FDG-PET ve 3 po sobě následujících letech, a předpovědi, jak budou vypadat skeny třetí.

Algoritmus dokázal předvídat budoucí pokles signálu FDG-PET, například metabolickou redukci, která odráží ztrátu neuronální aktivity. V současné době takto lze předpovědět vývoj mozku až 6 let po iniciálním skenování – pro výstup na konkrétní rok se vychází ze skenů ze 2 předchozích předpovězených let. Navíc se zdá, že tento nástroj detekuje probíhající neurodegenerativní procesy již na začátku, protože předpovídá významný pokles signálu v 2. roce u pacientů s AD v oblastech náchylných k zasažení tímto onemocněním, jako jsou bilaterálně dolní temporální a parietální oblasti a zadní cingulární kortex.

Predikce longitudinálních metabolických změn v mozku s využitím FDG-PET zatím byla testována jen málo. Předchozí studie podle autorů práce předložené na kongresu EAN 2023 prokázaly, že AI lze použít k predikci klinických symptomatických změn neuropsychiatrických poruch na základě základních informací získaných zobrazováním. Studií, které úspěšně předpovídají skutečné longitudinální změny celého mozku, je však velmi málo ve srovnání s počtem těch, které sledují specifické longitudinální změny, například změnu objemu hipokampu.

Zvětšování databází a zachycování delších časových rámců by mělo vést k předpovědím i na delší období. Klinický přínos algoritmu spočívá ve zlepšení včasné diagnostiky nebo poskytování spolehlivé prognózy a umožnění individuální predikce patologických změn mozku v průběhu času. Studie může také pomoci zlepšit porozumění přirozenému průběhu a etiologii AD. Jedním z hlavních rizikových faktorů vzniku AD je věk, roli v jejím rozvoji však mají i genetické variace, životní styl (strava, míra pohybu) a roky vzdělávání. Výsledky by mohly také pomoci při identifikaci faktorů vedoucích k progresi a získávání individualizovanější prognózy nebo při předpovídání účinnosti léčiv v klinických studiích, a to i bez nutnosti delšího sledování nebo opakovaného vyšetřování zobrazováním.

(esr)

Zdroje:
1. Gillespie K., Bourland A., Smith S. Understanding brain health around the world. ePoster 236. EAN 2023.
2. Alim-Marvasti A., Ciocca M., Lin A. The correlates of subjective brain fog in 25796 UK participants. ePresentation 251. EAN 2023.
3. Doering E., Deußer T., Hönig M. Predicting brain metabolism in elderly patients with cognitive impairment using deep learning. ePoster 565. EAN 2023.