Ny AI-teknologi kan hjelpe til med å oppdage terapi for nevrodegenerative sykdommer

Ny AI-teknologi kan hjelpe til med å oppdage terapi for nevrodegenerative sykdommer

En forskergruppe ved Nagoya University i Japan har utviklet en kunstig intelligens for å analysere cellebilder som bruker maskinlæring for å forutsi de terapeutiske effektene av medikamenter. Denne nye teknologien, kalt silico FOCUS, kan bidra til å oppdage terapeutiske midler for nevrodegenerative sykdommer som Kennedys sykdom.

Nåværende behandlinger for nevrodegenerative sykdommer har ofte alvorlige bivirkninger, inkludert seksuell dysfunksjon og blokkering av muskelvevsdannelse. Imidlertid har forskere som leter etter nye, mindre skadelige behandlinger blitt hemmet av mangelen på effektive screeningsteknologier for å avgjøre om et medikament er effektivt. Et lovende konsept er det "anomale diskrimineringskonseptet", som betyr at nevroner som reagerer på behandling har subtile forskjeller i form sammenlignet med de som ikke gjør det. Disse subtile forskjellene er imidlertid vanskelige å se med det blotte øye. Nåværende datateknologier er også for trege til å utføre analysen.

En gruppe professorer fra Nagoya University ledet av førsteamanuensis Ryuji Kato og adjunkt Kei Kanie fra Graduate School of Pharmaceutical Sciences og professor Masahisa Katsuno og adjunkt Madoka Iida fra Graduate School of Medicine har utviklet en ny kunstig intelligens-teknologi kalt utviklet i silico FOCUS. Den analyserer celleformen til modellnevroner og bruker denne informasjonen til å vurdere om de reagerer på terapeutiske legemidler. De publiserte resultatene sine i tidsskriftet Scientific Reports.

Forskerne testet AI på en modell av celler behandlet for Kennedy sykdom, en nevrodegenerativ sykdom som fører til død av motoriske nevroner. in silico FOCUS skapte en robust bildebasert klassifiseringsmodell som demonstrerte 100 % nøyaktighet i å identifisere gjenopprettingstilstanden til modellceller.

Denne teknologien muliggjør svært sensitiv og robust vurdering av effektene av terapeutiske midler ved å analysere endringer i formen til syke modellceller versus de til friske celler som vi normalt ikke ville være i stand til å skille. Dette er en svært effektiv screeningsteknologi som kan forutsi medisineffektivitet ved ganske enkelt å skaffe bilder, redusere tiden som kreves for å analysere og evaluere stoffets effektivitet fra flere timer med flere hundre tusen celler til bare noen få minutter. Det muliggjør svært nøyaktig prediksjon av terapeutiske effekter uten kompliserte og invasive eksperimenter."

Ryuji Kato, førsteamanuensis, Nagoya University

Kato konkluderer: "Disse resultatene antyder muligheten for å akselerere utviklingen av nye legemidler, og vi forventer at de vil bli mye brukt for å oppdage terapeutiske legemidler for vanskelig å oppdage sykdommer."

Denne forskningen ble støttet av FY2019 Nagoya University NU Cross-Departmental Innovation Creation Project.

Kilde:

Nagoya universitet