כימות מדויק של הטרוגניות והתקדמות מחלה ב‑MSA ובמחלת פרקינסון באמצעות למידת מכונה

מדוע זה חשוב לאנשים עם הפרעות תנועה

אנשים החיים עם מחלת פרקינסון או עם אטרופיה מערכתית מרובת‑מערכות (MSA) נתקלים לעתים שנים של חוסר ודאות, שכן שתי המצבים עלולות להיראות דומות במרפאה אך להתפתח בדרכים שונות מאוד. המחקר הזה בוחן כיצד שיטות מחשוב מתקדמות המופעלות על סריקות מוח עשויות לעזור לרופאים להבחין בין המחלות מוקדם יותר, להבין את המגוון של הצורות שבהן הן מתבטאות מאדם לאדם, ולעקוב אחרי השינויים לאורך זמן.

מסתכלים פנימה למוח למציאת רמזים ברורים יותר

מחלת פרקינסון ו‑MSA שתיהן כוללות הצטברות בלתי תקינה של חלבון בשם אלפא‑סינוקלאין, אך הן פוגעות בחלקים שונים של המוח. בפרקינסון הפגיעה ממוקדת בעיקר באבר עמוק המייצר דופמין, בעוד שב‑MSA נגרמת פגיעה ברשתות רחבות יותר, כולל המוחון, גזע המוח ומעגלי תנועה. בסריקות MRI שגרתיות ההבדלים האלה עלולים להיות דקים, במיוחד בשלביים המוקדמים, ורבים מהחולים ב‑MSA מאובחנים תחילה בטעות כפרקינסון. החוקרים השתמשו בשני סוגי MRI — סריקות מבניות שמראות צורה וגודל המוח, וסריקות דיפוזיה שמגלות את תקינות הסיבים הלבנים — כדי לחפש דפוסים מדויקים יותר, ספציפיים לכל מטופל.

לימוד מכונה לזהות דפוסים מוסתרים

הצוות חקר 17 מתנדבים בריאים, 27 אנשים עם MSA (המוקבצים לסוגים צרבלרי ופרקינסוניאני), ו‑15 עם פרקינסון, שכל אחד מהם הוט_follow עד ארבע ביקורות שנתיות. הם חילקו את המוח לעשרות אזורים ומדדו נפח מקומי ושני מאפייני דיפוזיה המשקפים כיצד המים נעים לאורך סיבי עצב. מדידות אלה הוזנו למספר מודלים של למידת מכונה, שאומנו לבצע משימה פשוטה: להחליט האם סריקה שייכת לאדם עם MSA או לפרקינסון. כדי למנוע התאמה מופרזת במחלה כה נדירה, המחברים השתמשו בוולידציה צולבת קפדנית, חזרו על האימון פעמים רבות, והשוו חמש משפחות אלגוריתמיות שונות לפני שבחרו את המבצעים הטובים ביותר.

מריבוי סריקות לציון אישי יחיד

במקום לעצור באבחנה דיכוטומית של כן/לא, המחברים רצו מספר שיתפוס עד כמה מוחו של אדם מציג את החתימה של MSA לעומת פרקינסון. הם השתמשו בשיטת בינה מלאכותית מובהרת הנקראת SHAP, שפירקה כל החלטת מודל לתרומות מכל אזור במוח. תרומות אלה שימשו כמשקולות, והבליטו אילו אזורים המודל מצא כמעניינים ביותר. על‑ידי שילוב המשקולות עם מדידות ה‑MRI בפועל בכל האזורים, יצרו שלושה ציוני "הטרוגניות" (HET) — ציון אחד לנפח המוח, ואחד לכל אחד משני מדדי הדיפוזיה. כל ציון HET מדחס דפוס מורכב של שינויים ברחבי המוח לערך סיכום יחיד לכל אדם וביקור.

ראייה של סוג המחלה ושינוי לאורך זמן

ציוני HET החדשים עשו יותר מאשר לשקף סימני MRI קיימים. הם סיווגו MSA מול פרקינסון לפחות טוב כמו, ולעתים טוב יותר, מדד אτροφיה נפוץ המתמקד בכמה אזורים מרכזיים. חשוב מכך, HET עבד היטב במיוחד בהבחנה בין הצורה הפרקינסוניאנית של MSA לבין פרקינסון — הבחנה שמסורבלת במיוחד בסריקות סטנדרטיות. כשחקרו את השינוי לאורך זמן, השינויים בציוני HET במהלך שנה אחת עקבו אחר הדרדרות קלינית שנמדדה בסולם דירוג סטנדרטי ל‑MSA טוב יותר מאמצעים פשוטים של התכווצות המוחון. מפות אזור‑אזור של HET השיבו גם דפוסים ידועים של פגיעה ב‑MSA, כגון ניוון של מעגלי המוחון וגזע המוח, ובמקביל חשפו מעורבות רחבה יותר של מסלולים לבנים פרונטליים ולימביים וחיבורים בין חצאי הכדור המוחיים.

מה זה יכול להביא למטופלים ולטיפול

ללא‑מומחה, המסר המרכזי הוא שניתוח חכם של נתוני MRI שגרתיים יכול להמיר סימני פגיעה מפוזרים ברחבי המוח לציון אחד מובן שמייצג עד כמה דפוס האדם "נראה כמו MSA" ועד כמה הוא משתנה במהירות. גישה זו אינה מרפאה מחלה, ועדיין יש לאמת אותה בקבוצות גדולות יותר, אך היא מציעה כלי מבטיח לאבחון מוקדם ומדויק יותר, למעקב טוב יותר אחרי ההתקדמות, ולניסויים קליניים רגישים יותר לבחינת טיפולים חדשים. בהערכת העובדה שלא קיים שני מטופלים ששינויים במוחם זהים בדיוק, מסגרת HET מקרבת את התחום צעד נוסף לעבר טיפול מותאם אישית באמת בהפרעות תנועה.

ציטוט: Gebre, R.K., Raghavan, S., De Tora, M.E.J. et al. Precise disease heterogeneity and progression quantification in MSA and Parkinson’s disease using machine learning. Sci Rep 16, 10579 (2026). https://doi.org/10.1038/s41598-026-45949-5

מילות מפתח: atrophy של מערכות מרובות, מחלת פרקינסון, דימות מוחי MRI, למידת מכונה, ביו‑מרקרים