Natuurkundigen van de Australian National University (ANU) hebben nanotechnologie, kunstmatige intelligentie en moleculaire biologie gecombineerd om een nieuwe manier te bedenken om in het bloed naar eiwitmarkers van de ziekte van Alzheimer te zoeken. Deze markers zijn veelbetekenende tekenen van vroege neurodegeneratie, en vroege detectie is onze beste verdediging tegen effectief ingrijpen in de progressie van de ziekte van Alzheimer. Hoewel er momenteel geen remedie is voor de ziekte, heeft het potentieel om de gezondheidsresultaten dramatisch te veranderen als de symptomen twintig jaar van tevoren kunnen worden gedetecteerd wanneer de symptomen voor het eerst verschijnen.
Hoewel veel onderzoek zich heeft gericht op de ontwikkeling van gerichte therapieën voor de behandeling van de ziekte van Alzheimer in een vergevorderd stadium, is er ook veel vooruitgang geboekt op het gebied van geavanceerde diagnostiek.
Co-auteur Professor Patrick Kluth, van de School of Research Physics van de Australian National University, zei: "Momenteel is de diagnose van Alzheimer voornamelijk gebaseerd op bewijs van intellectuele achteruitgang in een stadium waarin de ziekte de hersenen ernstig heeft beschadigd. Vroege detectie is cruciaal voor een effectieve behandeling, maar vereist vaak invasieve en dure procedures zoals lumbaalpuncties in het ziekenhuis, die een fysieke en mentale belasting voor patiënten kunnen betekenen."
Onderzoekers hebben een ultradunne siliciumchip ontwikkeld, bedekt met gaten op nanoschaal, bekend als vaste nanoporiën. Vervolgens wordt een kleine hoeveelheid bloed op de chip geplaatst en via het overdrachtsproces van nanoporiën kan het complexe mengsel van eiwitten in het bloed worden gescheiden. De chip wordt vervolgens in een apparaat ter grootte van een mobiele telefoon geplaatst, waar een algoritme voor kunstmatige intelligentie zoekt naar eiwitten die overeenkomen met een eiwitsignatuur die geassocieerd is met de vroege ziekte van Alzheimer.
De onderzoekers ontdekten dat door het classificeren van eiwitsignalen op basis van signaaleigenschappen het model een aanzienlijk hoge nauwkeurigheid (96,4% specificiteit) had bij het identificeren van vier machinaal aangeleerde eiwitcombinaties. Omdat eiwitten unieke, gepersonaliseerde genetische blauwdrukken bevatten, zouden ze, gegeven de juiste technologie, een nog grotere rol kunnen spelen in de medische diagnose.
Co-auteur Shankar Dutt, een onderzoeker aan de Australian National University, zei: "Als de persoon zijn risiconiveau zo lang van tevoren kan ontdekken, dan heeft hij genoeg tijd om agressieve levensstijlveranderingen en medicamenteuze behandelingsstrategieën door te voeren die de progressie van de ziekte kunnen helpen vertragen."
De onderzoekers merken op dat hoewel de nieuwe technologie zich richt op de ziekte van Alzheimer, de gebruikte algoritmen kunnen worden getraind om naar andere ziekten te zoeken en deze tegelijkertijd te detecteren. Deze ziekten omvatten de ziekte van Parkinson, multiple sclerose (MS) en amyotrofische laterale sclerose (ALS).
"Bloed is een complexe vloeistof die meer dan 10.000 verschillende biologische moleculen bevat", zei Dutt. "Door gebruik te maken van geavanceerde filtratietechnieken en gebruik te maken van ons nanoporieplatform, gecombineerd met onze intelligente machine learning-algoritmen, kunnen we mogelijk de meest ongrijpbare eiwitten identificeren."
Clouse voegde eraan toe dat het team hoopt dat de screeningtechnologie binnen de komende vijf jaar beschikbaar zal zijn, waardoor patiënten ‘bijna realtime’ resultaten kunnen krijgen.
"Deze snelle en gemakkelijke test kan worden uitgevoerd door huisartsen en andere artsen, waardoor ziekenhuisbezoeken niet langer nodig zijn, en is vooral handig voor mensen die in regionale en afgelegen gebieden wonen", zei hij.
Het onderzoek werd gepubliceerd in het tijdschrift SmallMethods.