“`html

اسکن مغزی امکان پیش‌بینی پیشرفت به زوال عقل را فراهم می‌کند

حدود ۴۰ درصد از افراد مبتلا به اختلالات شناختی خفیف، ظرف سه سال پس از تشخیص، به زوال عقل مبتلا می‌شوند. این پیشرفت سریع، اهمیت داشتن ابزارهای قابل اعتماد برای شناسایی بیماران پرخطر را برجسته می‌کند. مطالعه‌ای اخیر نشان می‌دهد که می‌توان این پیشرفت را از طریق آنالیز حجمی مغز با استفاده از اسکن‌ها، تکنیکی قابل دسترس و کم‌هزینه، پیش‌بینی کرد.

پژوهشگران داده‌های ۷۹۱ بیمار مبتلا به اختلالات شناختی خفیف را تحلیل کردند. از میان آن‌ها، ۴۰ درصد ظرف سه سال به زوال عقل مبتلا شدند. نتایج نشان می‌دهد که افرادی که به زوال عقل مبتلا شدند، به‌طور میانگین مسن‌تر بودند، بیشتر زن بودند و حامل یک واریانت ژنتیکی شناخته‌شده بودند که خطر بیماری آلزایمر را افزایش می‌دهد. وضعیت شناختی اولیه آن‌ها، که از طریق آزمون‌های بالینی ارزیابی شده بود، نیز بیشتر مختل شده بود.

تحلیل اسکن‌ها تفاوت‌های قابل توجهی را در برخی مناطق مغز نشان داد. بیماران مبتلا به زوال عقل، گشاد شدن بیشتری در بطن‌های جانبی تحتانی و فضاهای پر از مایع مغزی-نخاعی در نواحی آریتال و پس‌سری داشتند. این تغییرات، آتروفی مغزی، یعنی کاهش حجم مغز را منعکس می‌کند که اغلب با پیشرفت بیماری آلزایمر همراه است.

برای پیش‌بینی این پیشرفت، دانشمندان مدلی بر پایه هوش مصنوعی توسعه دادند. این مدل، داده‌های بالینی مانند سن یا نتایج آزمون‌های شناختی را با اندازه‌گیری‌های حجمی حاصل از اسکن‌ها ترکیب می‌کند. این مدل به دقت قابل توجهی دست یافت و توانست بیماران پرخطر را در حدود ۸۴ درصد موارد به درستی شناسایی کند. شش عامل به‌ویژه تعیین‌کننده بودند: سن، واریانت ژنتیکی، سطح اختلالات شناختی اولیه و سه اندازه‌گیری خاص آتروفی مغزی در نواحی ذکر شده.

استفاده از اسکن‌ها مزیت بزرگی دارد: این تکنیک در حال حاضر به‌طور گسترده در عمل بالینی برای رد کردن سایر علل اختلالات شناختی، مانند تومورها یا حوادث عروقی، مورد استفاده قرار می‌گیرد. بنابراین، ادغام این آنالیز حجمی نیازی به آزمایش‌های اضافی ندارد، که این رویکرد را هم عملی و هم اقتصادی می‌کند. بر خلاف سایر روش‌ها، مانند ام‌آرآی یا بیومارکرها در مایع مغزی-نخاعی، اسکن در اکثر مراکز بیمارستانی قابل دسترس است و نیازی به روش‌های تهاجمی ندارد.

نتایج نشان می‌دهد که این رویکرد نه تنها امکان پیش‌بینی دقیق پیشرفت به زوال عقل را فراهم می‌کند، بلکه عوامل تأثیرگذارترین را نیز شناسایی می‌کند. به عنوان مثال، آتروفی در بطن‌های جانبی تحتانی، منطقه‌ای نزدیک به هیپوکامپ، نشانه قوی افزایش خطر است. هیپوکامپ نقش کلیدی در حافظه دارد و کوچک شدن آن اغلب در مراحل اولیه بیماری آلزایمر مشاهده می‌شود. همچنین، تغییرات در نواحی آریتال و پس‌سری، که به شبکه‌های عصبی درگیر در عملکردهای شناختی پیچیده مرتبط هستند، اهمیت آن‌ها را در پیشرفت بیماری تأیید می‌کند.

این مدل می‌تواند تأثیر قابل توجهی بر مراقبت از بیماران داشته باشد. با شناسایی افرادی که خطر بالایی برای ابتلا به زوال عقل در کوتاه‌مدت دارند، پزشکان می‌توانند پیگیری را تنظیم کنند، مداخلات زودهنگام پیشنهاد دهند و بیماران و عزیزان آن‌ها را بهتر آگاه کنند. در مقابل، افراد با خطر پایین می‌توانند از آزمایش‌های غیرضروری یا ویزیت‌های مکرر اجتناب کنند. این طبقه‌بندی خطر همچنین می‌تواند کارایی آزمایش‌های بالینی را با هدف قرار دادن شرکت‌کنندگانی که احتمال پیشرفت سریع‌تر دارند، بهبود بخشد و این امر توسعه درمان‌های جدید را تسهیل می‌کند.

این مطالعه تأیید می‌کند که اسکن، که اغلب به عنوان ابزاری پایه برای تشخیص در نظر گرفته می‌شود، می‌تواند به یک عنصر کلیدی برای پیش‌آگهی تبدیل شود. با بهره‌گیری از داده‌هایی که در حال حاضر در دسترس هستند، این روش راه‌حلی قابل دسترس برای پزشکی شخصی‌سازی شده ارائه می‌دهد، بدون آنکه بار اضافی برای بیماران یا سیستم‌های بهداشتی ایجاد کند.

“`

Sources du média

Document de référence

DOI : https://doi.org/10.1038/s41598-026-45439-8

Titre : Scalable CT-based prognostic modeling of dementia conversion in mild cognitive impairment

Revue : Scientific Reports

Éditeur : Springer Science and Business Media LLC

Auteurs : Seongbeom Park; Jehyun Ahn; Duk L. Na; Hee Jin Kim; Hyemin Jang; Jun Pyo Kim; Sung Hoon Kang; Jihwan Yun; Min Young Chun; Sang Won Seo; Kichang Kwak