שילוב למידת מכונה של מדדי דם סדרתיים משפר את החיזוי של ירידה קוגניטיבית בשלבי פרקינסון המוקדמים

מדוע המחקר הזה חשוב

רבים חושבים על מחלת פרקינסון כהפרעה בתנועה, אך שינויים בזיכרון ובחשיבה הם בין ההשפעות המחלישות ביותר שלה. עד ארבעה מתוך חמישה אנשים עם פרקינסון יפתחו בסופו של דבר בעיות קוגניטיביות חמורות, שמכפילות את עלויות הטיפול הרפואי ומכבידות על המשפחה. עם זאת, רופאים מתקשים עדיין לזהות מוקדם מי בסיכון הגבוה ביותר. מחקר זה בוחן האם בדיקות דם פשוטות וחוזרות, בשילוב מודלים חישוביים מודרניים, יוכלו לחזות טוב יותר מי יחווה ירידה קוגניטיבית בשנים הראשונות לאחר האבחנה.

מעקב אחר מטופלים לאורך זמן

החוקרים התבססו על קבוצת העוקבה Early Parkinson’s Disease Longitudinal Singapore (PALS), קוהורט שנעקב בקפדנות והורכב מ-193 אנשים שאובחנו לאחרונה עם פרקינסון. המשתתפים היו בממוצע כ-64 שנים, עם תסמינים מוטוריים ברובם קלים עד מתונים בתחילת המחקר. הם נבדקו במשך חמש שנים, עם מבחני חשיבה שנתיים באמצעות Montreal Cognitive Assessment ודגימות דם שנלקחו בתחילת המחקר, בשנה השלישית ובשנה החמישית. ירידה קוגניטיבית הוגדרה כירידה יציבה בציוני המבחנים לאורך זמן, גדולה מספיק כדי להשפיע על היומיום אך עדיין מוקדמת כך שתספק הזדמנות להתערבות.

אותות דם המגיעים מהמוח

הצוות התרכז בשני חלבונים בדם שמשקפים נזק במוח: neurofilament light chain (NfL), סמן של פגיעה בסיבי העצב, ו-total tau (t-tau), קשור להתנוונות תאי עצב ונדון לעתים קרובות בהקשר של מחלת אלצהיימר. במקום להסתכל על תמונה אחת, הם סיכמו את שלוש המדידות של כל אדם באמצעות תיאורים פשוטים: הנמוך ביותר, הגבוה ביותר, הממוצע וההשתנות. בנוסף רישמו מידע בריאותי נוסף כגון גיל, השכלה, לחץ דם, בעיות שומנים בדם וציון התחלתי במבחני החשיבה. במשך חמש השנים, כמעט רבע מהמשתתפים הראו ירידה קוגניטיבית, מה שאיפשר למדענים להשוות בין אלה שירדו לאלה שנשארו יציבים.

להדריך מכונות לזהות דפוסים

כדי להבין את התערובת המורכבת הזו של גורמים, החוקרים השתמשו במספר שיטות של למידת מכונה—אלגוריתמים שמלמדים את עצמם לזהות דפוסים מתוך נתונים. תחילה השתמשו בשלוש טכניקות שונות כדי לבחור את המשתנים המידעיים ביותר מתוך כ-30 מועמדים. בין השיטות, אותן תכונות עלו שוב ושוב: הסיכומים הדינמיים של t-tau ו-NfL ולחץ דם דיאסטולי (ה"מספר התחתון") שנמדד גם בשכיבה וגם בעמידה. לאחר מכן אימנו חמש סוגי מודלים חיזוי על שילובים של תכונות אלה ובדקו עד כמה כל מודל הצליח להפריד בין מטופלים שיהיו מאוחר יותר בסיכון לירידה לבין אלה שלא, תוך שימוש בשטח תחת העקומה של העקומה המאפיינת את המקלט (AUC) כמדד דיוק.

חיזויים טובים יותר משינויים בסמנים

הממצא המרכזי היה שמודלים שמשתמשים במדידות דם משתנות בזמן עקפו באופן ברור מודלים שהתבססו רק על נתוני בסיס. כאשר האלגוריתמים קיבלו רק את הערכים הקליניים והמבחנתיים ההתחלתיים, הביצועים היו מאופקים (AUC הטוב ביותר כ-0.56, בקושי מעל המקריות). כאשר נוספו סיכומים של האופן שבו t-tau ו-NfL השתנו בשלוש נקודות הזמן, הדיוק עלה באופן משמעותי, עם ערכי AUC בטווח של כ-0.64 עד 0.76 בין השיטות. המודל הבודד הטוב ביותר, שיטה בשם XGBoost שהשתמשה רק בכדורה של בערך תריסר תכונות שנבחרו בקפידה, הגיע ל-AUC של 0.81. במודל זה, רמות גבוהות ומהירות שינוי של t-tau ולחץ דם דיאסטולי מוגבר היו סמני אזהרה חזקים במיוחד, בעוד ששינויים ב-NfL תרמו אף הם אך היו מעט פחות דומיננטיים. שנות השכלה הראו אפקט מגן, בהתאמה לרעיון ש"מלאי קוגניטיבי" גבוה יותר יכול להגן על המוח מפני נזק.

השלכות על טיפול וניסויים קליניים

ממצאים אלה מצביעים על דרכים פרקטיות להעביר את טיפול בפרקינסון מגישה תגובתית למניעתית. מאחר שבדיקות דם ל-t-tau ול-NfL הן מינימלית פולשניות והן נעשות נגישות יותר, קליניקות תיאורטית יוכלו לנטר את הרמות של מטופלים כל כמה שנים ולשלב אותן עם מדידות לחץ דם במחשבון סיכונים ממוחשב. אנשים שסומנו בסיכון גבוה עשויים לקבל מעקב קוגניטיבי צמוד יותר, טיפול ממוקד בלחץ הדם וגישה מוקדמת יותר לשיקום או לניסויים קליניים של תרופות משנות מחלה, במיוחד כאלו שמטרתן טאו או מסלולים קשורים. המודלים גם מציעים דרך ל"להעשיר" ניסויים קליניים על ידי התמקדות בכרבע מהמטופלים שסביר להניח שיחוו ירידה, מה שיהפוך קל יותר לזהות השפעות טיפוליות עם פחות משתתפים.

מה זה אומר למטופלים

לאנשים החיים עם פרקינסון ולמשפחותיהם, המחקר מציע אופטימיות זהירה. הוא עדיין אינו מספק בדיקה מוכנה לשימוש במרפאה, והעבודה צריכה להיות מאוששת בקבוצות גדולות ומגוונות יותר. אך הוא מראה שבדיקות דם פשוטות וחוזרות—בשילוב לחץ דם ומידע רקע בסיסי—יכולות לסייע למחשבים לחזות באופן משמעותי מי נמצא בדרך בסיכון גבוה יותר לבעיות קוגניטיביות. בשפה פשוטה, מעקב אחר האופן שבו חלבונים מסוימים הקשורים למוח ולחץ הדם מתנהגים לאורך זמן נראה מושך יותר מאשר קריאה בודדת. אם יאומת, כלים כאלה יוכלו לסייע לרופאים להתאים מעקב, להתמקד בסיכונים שניתנים לשינוי כמו לחץ דם, ולתכנן תמיכה מוקדמת, במטרה לשמור על היכולת הקוגניטיבית והעצמאות לזמן רב ככל האפשר.

ציטוט: Mohammadi, R., Ng, S.Y.E., Tan, J.Y. et al. Machine learning integration of serial blood biomarkers enhances cognitive decline prediction in early Parkinson’s disease. npj Parkinsons Dis. 12, 87 (2026). https://doi.org/10.1038/s41531-026-01298-8

מילות מפתח: מחלת פרקינסון, ירידה קוגניטיבית, סמנים בדם, למידת מכונה, חלבון טאו