Ny AI-teknik kan hjälpa till att upptäcka terapier för neurodegenerativa sjukdomar

Ny AI-teknik kan hjälpa till att upptäcka terapier för neurodegenerativa sjukdomar

En forskargrupp vid Nagoya University i Japan har utvecklat en artificiell intelligens för att analysera cellbilder som använder maskininlärning för att förutsäga läkemedels terapeutiska effekter. Denna nya teknik, kallad silico FOCUS, kan hjälpa till att upptäcka terapier för neurodegenerativa sjukdomar som Kennedys sjukdom.

Nuvarande behandlingar för neurodegenerativa sjukdomar har ofta allvarliga biverkningar, inklusive sexuell dysfunktion och blockering av muskelvävnadsbildning. Men forskare som letar efter nya, mindre skadliga behandlingar har hindrats av bristen på effektiv screeningteknik för att avgöra om ett läkemedel är effektivt. Ett lovande koncept är det "anomala diskrimineringskonceptet", vilket innebär att neuroner som svarar på behandling har subtila skillnader i form jämfört med de som inte gör det. Dessa subtila skillnader är dock svåra att se med blotta ögat. Nuvarande datorteknik är också för långsam för att utföra analysen.

En grupp professorer från Nagoya University ledda av docent Ryuji Kato och biträdande professor Kei Kanie från Graduate School of Pharmaceutical Sciences och professor Masahisa Katsuno och adjunkt Madoka Iida från Graduate School of Medicine har utvecklat en ny artificiell intelligens-teknologi som kallas utvecklad i silico FOCUS. Den analyserar cellformen hos modellneuroner och använder denna information för att bedöma om de svarar på terapeutiska läkemedel. De publicerade sina resultat i tidskriften Scientific Reports.

Forskarna testade AI på en modell av celler som behandlats för Kennedys sjukdom, en neurodegenerativ sjukdom som leder till döden av motorneuroner. in silico FOCUS skapade en robust bildbaserad klassificeringsmodell som visade 100 % noggrannhet vid identifiering av återställningstillståndet för modellceller.

Denna teknologi möjliggör en mycket känslig och robust bedömning av effekterna av terapeutiska medel genom att analysera förändringar i formen av sjuka modellceller jämfört med de hos friska celler som vi normalt inte skulle kunna särskilja. Detta är en mycket effektiv screeningteknologi som kan förutsäga läkemedelseffektivitet genom att helt enkelt skaffa bilder, vilket minskar tiden som krävs för att analysera och utvärdera läkemedelseffektiviteten från flera timmar med flera hundra tusen celler till bara några minuter. Det möjliggör mycket exakt förutsägelse av terapeutiska effekter utan komplicerade och invasiva experiment."

Ryuji Kato, docent, Nagoya University

Kato avslutar: "Dessa resultat tyder på möjligheten att påskynda utvecklingen av nya läkemedel, och vi förväntar oss att de kommer att användas i stor utsträckning för att upptäcka terapeutiska läkemedel för svårupptäckta sjukdomar."

Denna forskning stöddes av FY2019 Nagoya University NU Cross-Departmental Innovation Creation Project.

Källa:

Nagoya universitet