“`html

मस्तिष्क स्कॅनमधून स्मृतीभ्रंशाकडे होणाऱ्या प्रगतीचे अंदाज लावता येतात

हलक्या संज्ञानात्मक विकार असलेल्या व्यक्तींपैकी सुमारे 40% व्यक्तींना निदानानंतर तीन वर्षांत स्मृतीभ्रंश होतो. ही जलद प्रगती जोखीम असलेल्या रुग्णांची ओळख करण्यासाठी विश्वासार्ह साधनांची गरज अधोरेखित करते. एक नवीन अभ्यास दर्शवितो की, स्कॅनमधून मिळालेल्या मेंदूच्या खंडीय विश्लेषणाद्वारे ही प्रगती अंदाज लावता येते, ही एक व्यापकपणे उपलब्ध आणि किफायतशीर इमेजिंग तंत्रज्ञान आहे.

संशोधकांनी 791 हलक्या संज्ञानात्मक विकार असलेल्या रुग्णांची डेटा तपासली. त्यापैकी 40% व्यक्तींना तीन वर्षांत स्मृतीभ्रंश झाला. परिणाम दर्शवितात की, स्मृतीभ्रंश झालेले रुग्ण सरासरी वयस्कर, बहुतेक महिला आणि अल्झायमरच्या जोखमीशी संबंधित ज्ञात आनुवंशिक प्रकाराचे वाहक होते. त्यांची प्रारंभिक संज्ञानात्मक स्थिती, क्लिनिकल चाचण्यांद्वारे मोजली गेली, ती देखील अधिक खराब होती.

स्कॅनचे विश्लेषण केल्यावर मेंदूच्या काही भागांत लक्षणीय फरक आढळले. स्मृतीभ्रंशकडे वळणाऱ्या रुग्णांमध्ये खालच्या लॅटेरल वेंट्रिकल्सचा विस्तार आणि पॅरायटल आणि ऑक्सिपिटल क्षेत्रातील सेरेब्रोस्पायनल द्रवाने भरलेल्या जागा अधिक मोठ्या होत्या. ही बदल मेंदूच्या क्षीणतेचे (अट्रोफी) चिन्ह आहेत, म्हणजेच मेंदूचा आकार कमी होणे, जे अल्झायमर रोगाच्या प्रगतीशी संबंधित आहे.

ही प्रगती अंदाज लावण्यासाठी, शास्त्रज्ञांनी कृत्रिम बुद्धिमत्तेवर आधारित एक मॉडेल विकसित केले आहे. हे मॉडेल क्लिनिकल डेटा, जसे की वय किंवा संज्ञानात्मक चाचण्यांचे परिणाम, स्कॅनमधून मिळालेल्या खंडीय मापांसह जोडते. या मॉडेलने उल्लेखनीय अचूकता गाठली आहे, ज्यामध्ये सुमारे 84% प्रकरणांमध्ये जोखीम असलेल्या रुग्णांची योग्य ओळख करता येते. सहा घटक विशेषतः निर्णायक ठरले: वय, आनुवंशिक प्रकार, प्रारंभिक संज्ञानात्मक खराबीची पातळी आणि मेंदूच्या क्षीणतेच्या तीन विशिष्ट मापे उल्लेखित क्षेत्रांमध्ये.

स्कॅनचा वापर करण्याचा मुख्य फायदा असा आहे की ही तंत्रज्ञान क्लिनिकल पद्धतींमध्ये आधीच सामान्यपणे वापरली जाते, जसे की मेंदूच्या गाठी किंवा रक्तवाहिन्यांच्या विकारांमुळे होणाऱ्या संज्ञानात्मक विकारांचे निदान करण्यासाठी. त्यामुळे, खंडीय विश्लेषण समाविष्ट करण्यासाठी अतिरिक्त चाचण्यांची गरज भासणार नाही, ज्यामुळे ही पद्धत व्यावहारिक आणि किफायतशीर बनते. IRM किंवा सेरेब्रोस्पायनल द्रवातील बायोमार्कर्ससारख्या इतर पद्धतींच्या विपरीत, स्कॅन बहुतेक रुग्णालयांमध्ये उपलब्ध आहे आणि त्यासाठी आक्रमक प्रक्रिया आवश्यक नाही.

निकाल दर्शवितात की ही पद्धत केवळ स्मृतीभ्रंशाकडे होणाऱ्या प्रगतीचे अचूक अंदाज लावण्यास मदत करत नाही, तर सर्वात प्रभावी घटकांची ओळख देखील करून देते. उदाहरणार्थ, खालच्या लॅटेरल वेंट्रिकल्समधील क्षीणता, ही हिप्पोकॅम्पसजवळची क्षेत्र आहे, जो जोखीम वाढीचा एक मजबूत संकेतक आहे. हिप्पोकॅम्पस स्मरणशक्तीमध्ये महत्त्वाची भूमिका बजावतो, आणि त्याचा आकार कमी होणे अल्झायमर रोगाच्या प्रारंभिक टप्प्यात दिसून येते. तसेच, पॅरायटल आणि ऑक्सिपिटल क्षेत्रातील बदल, जे जटिल संज्ञानात्मक कार्यांशी संबंधित न्यूरल नेटवर्कशी जोडलेले आहेत, त्यांचे महत्त्व रोगाच्या प्रगतीमध्ये अधोरेखित करते.

हे मॉडेल रुग्णांच्या काळजी घेण्यावर लक्षणीय परिणाम करू शकते. लवकर स्मृतीभ्रंश होण्याचा उच्च जोखीम असलेल्या रुग्णांची ओळख करून, डॉक्टर निगराणी सानुकूलित करू शकतात, लवकर हस्तक्षेप सुचवू शकतात आणि रुग्ण आणि त्यांचे नातेवाईक चांगल्या प्रकारे माहिती देऊ शकतात. दुसरीकडे, कमी जोखीम असलेल्या व्यक्ती अनावश्यक चाचण्या किंवा वारंवार तपासणी टाळू शकतात. जोखीम वर्गीकरण क्लिनिकल चाचण्यांची कार्यक्षमता सुधारू शकते, जे वेगाने प्रगती करणाऱ्या सहभागींची निवड करून, नवीन उपचारांचा विकास सोपा करू शकते.

अभ्यास पुष्टी करतो की स्कॅन, जे सामान्यपणे मूलभूत निदान साधन म्हणून ओळखले जाते, ते प्रग्नोझिसिससाठी एक महत्त्वपूर्ण घटक बनू शकते. आधीच उपलब्ध असलेल्या डेटाचा वापर करून, ही पद्धत वैयक्तिक आरोग्यसेवेसाठी एक सुलभ उपाय देते, ज्यामुळे रुग्ण किंवा आरोग्य व्यवस्थेवर अतिरिक्त भार पडत नाही.

“`

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