Nieuwe AI-technologie kan helpen bij het ontdekken van therapieën voor neurodegeneratieve ziekten

Nieuwe AI-technologie kan helpen bij het ontdekken van therapieën voor neurodegeneratieve ziekten

Een onderzoeksgroep aan de Nagoya Universiteit in Japan heeft een kunstmatige intelligentie ontwikkeld voor het analyseren van celbeelden die machine learning gebruikt om de therapeutische effecten van medicijnen te voorspellen. Deze nieuwe technologie, in silico FOCUS genoemd, zou kunnen helpen bij het ontdekken van therapieën voor neurodegeneratieve ziekten zoals de ziekte van Kennedy.

De huidige behandelingen voor neurodegeneratieve ziekten hebben vaak ernstige bijwerkingen, waaronder seksuele disfunctie en blokkering van de vorming van spierweefsel. Onderzoekers die op zoek zijn naar nieuwe, minder schadelijke behandelingen worden echter gehinderd door het gebrek aan effectieve screeningtechnologieën om te bepalen of een medicijn effectief is. Een veelbelovend concept is het ‘abnormale discriminatieconcept’, wat betekent dat neuronen die op behandeling reageren subtiele verschillen in vorm hebben vergeleken met neuronen die dat niet doen. Deze subtiele verschillen zijn echter moeilijk met het blote oog waar te nemen. De huidige computertechnologieën zijn ook te traag om de analyse uit te voeren.

Een groep professoren van de Universiteit van Nagoya onder leiding van universitair hoofddocent Ryuji Kato en assistent-professor Kei Kanie van de Graduate School of Pharmaceutical Sciences en professor Masahisa Katsuno en assistent-professor Madoka Iida van de Graduate School of Medicine hebben een nieuwe kunstmatige intelligentietechnologie ontwikkeld, genaamd Developed in Silico FOCUS. Het analyseert de celvorm van modelneuronen en gebruikt deze informatie om te beoordelen of ze reageren op therapeutische medicijnen. Ze publiceerden hun resultaten in het tijdschrift Scientific Reports.

De onderzoekers testten de AI op een model van cellen die werden behandeld voor de ziekte van Kennedy, een neurodegeneratieve ziekte die leidt tot de dood van motorneuronen. in silico creëerde FOCUS een robuust, op afbeeldingen gebaseerd classificatiemodel dat 100% nauwkeurigheid aantoonde bij het identificeren van de herstelstatus van modelcellen.

Deze technologie maakt een zeer gevoelige en robuuste beoordeling van de effecten van therapieën mogelijk door veranderingen in de vorm van zieke modelcellen te analyseren ten opzichte van die van gezonde cellen die we normaal gesproken niet zouden kunnen onderscheiden. Dit is een zeer efficiënte screeningtechnologie die de effectiviteit van geneesmiddelen kan voorspellen door eenvoudigweg beelden te verzamelen, waardoor de tijd die nodig is om de effectiviteit van geneesmiddelen te analyseren en evalueren wordt teruggebracht van enkele uren met enkele honderdduizenden cellen tot slechts enkele minuten. Het maakt zeer nauwkeurige voorspellingen van therapeutische effecten mogelijk zonder ingewikkelde en invasieve experimenten.”

Ryuji Kato, universitair hoofddocent, Universiteit van Nagoya

Kato concludeert: “Deze resultaten suggereren de mogelijkheid om de ontwikkeling van nieuwe medicijnen te versnellen, en we verwachten dat ze op grote schaal zullen worden gebruikt om therapeutische medicijnen te ontdekken voor moeilijk te ontdekken ziekten.”

Dit onderzoek werd ondersteund door het FY2019 Nagoya University NU Cross-Departmental Innovation Creation Project.

Bron:

Universiteit van Nagoya