একটি নতুন ডায়গনিস্টিক মডেল আলঝেইমার রোগের জন্য আশার প্রস্তাব দেয়

একটি নতুন গাণিতিক মডেল আল্জ্হেইমের রোগের জন্য আরও ভাল ভবিষ্যদ্বাণী এবং চিকিত্সার জন্য আশা প্রদান করে। আলঝাইমার রোগের বেশিরভাগ গাণিতিক মডেল তাত্ত্বিক এবং স্বল্পমেয়াদী আণবিক এবং সেলুলার-স্তরের পরিবর্তনের উপর ফোকাস করে যা রোগীদের মধ্যে পরিমাপ করা যায় না।

যাইহোক, ডিউক ইউনিভার্সিটি স্কুল অফ মেডিসিন এবং পেনসিলভানিয়া স্টেট ইউনিভার্সিটির গবেষকরা আলঝেইমার ডিজিজ বায়োমার্কার ক্যাসকেড (এডিবিসি) মডেল তৈরি করতে বিভিন্ন জ্ঞানীয় ক্ষমতা সহ 800 জনেরও বেশি মানুষের কাছ থেকে বাস্তব-বিশ্বের ডেটা ব্যবহার করেছেন।

এই ব্যক্তিগতকৃত পদ্ধতিতে প্রকাশিত হয়েছিল আলঝাইমার রোগ প্রতিরোধের জার্নালপ্রথাগত ডায়গনিস্টিক পদ্ধতির বাইরে যায় একজন ব্যক্তির নিজস্ব বায়োমার্কারকে একত্রিত করে পূর্বাভাস দিতে রোগের অগ্রগতি.

বিষয়গুলিকে আল্জ্হেইমার ডিজিজ নিউরোইমেজিং ইনিশিয়েটিভ (এডিএনআই) নথিভুক্ত করা হয়েছিল, একটি বহুজাতিক অনুদৈর্ঘ্য গবেষণা যা সাধারণ জ্ঞান থেকে বিষয়গুলি অনুসরণ করে হালকা জ্ঞানীয় দুর্বলতাদুই দশকের একটানা জ্ঞানীয় পরীক্ষা, ইমেজিং এবং লিকুইড বায়োমার্কার ডেটা দিয়ে ডিমেনশিয়ার চিকিৎসা করা।

ADBC মডেল অংশগ্রহণকারীদের সেরিব্রোস্পাইনাল ফ্লুইড বিশ্লেষণ করে, মস্তিষ্ক স্ক্যান এবং স্মৃতি পরীক্ষা প্রতিটি ব্যক্তির অবস্থা সম্পর্কে অনন্য নিদর্শন বা সংকেত খুঁজুন।

মডেলটি তত্ত্ব এবং পৃথক বায়োমার্কার ডেটাকে একত্রিত করে ভবিষ্যদ্বাণী করে যে কীভাবে আলঝাইমার রোগটি বিকশিত হবে এবং পৃথক রোগীদের চিকিত্সার প্রতি সাড়া দেবে। বর্তমান বায়োমার্কারগুলি বিশ্লেষণ করে, এটি আশ্চর্যজনক নির্ভুলতার সাথে ভবিষ্যদ্বাণী করতে সক্ষম হয় যে নির্দিষ্ট রোগীদের জন্য ভবিষ্যতে এই মার্কারগুলি কীভাবে পরিবর্তিত হতে পারে।

গবেষকরা বলছেন যে মডেলটি আল্জ্হেইমের রোগের ক্লিনিকাল স্পেকট্রামের উপর ভিত্তি করে ব্যক্তিদের পুনঃশ্রেণীবদ্ধকরণ এবং চিকিত্সার কৌশলগুলি তৈরি করার দরজা খুলে দেয়।

ডিউক ইউনিভার্সিটি স্কুল অফ মেডিসিনের আলঝেইমার ডিজিজ ইমেজিং গবেষণা ল্যাবরেটরির ডিরেক্টর নিউরোরাডিওলজিস্ট জেফ্রি আর পেট্রেলা বলেন, “আলঝেইমার ডিজিজকে দীর্ঘদিন ধরে একটি রোগ হিসেবে দেখা হচ্ছে।” “এই গবেষণাটি দেখায় যে প্রতিটি ব্যক্তির রোগ ভিন্নভাবে অগ্রসর হয়, বায়োমার্কার পরিবর্তনের অনন্য নিদর্শন সহ।”

পেন স্টেটের গণিতের অধ্যাপক ওয়েনরুইহাও, পিএইচডি, জুলিয়েট জিয়াং, কাশ্যপ শ্রীরাম, সোফিয়া ডালজিয়েল এবং মুরালি ডোরাইস্বামী, এমডি সহ পেট্রেলার নেতৃত্বে ডিউক গবেষকদের একটি দল, কাস্টম কার্যকারণের সম্ভাব্যতা তদন্ত করেছে মডেল আলঝেইমার রোগ.

আল্জ্হেইমের রোগ মস্তিষ্কের পরিবর্তন দ্বারা চিহ্নিত করা হয়, সহ অ্যামাইলয়েড ফলক নিউরোফাইব্রিলারি ট্যাঙ্গলগুলি নিউরনের ক্ষতি করতে পারে এবং অন্যান্য ধরণের মস্তিষ্কের কোষগুলিকে প্রভাবিত করতে পারে। নতুন ওষুধগুলি সফলভাবে মস্তিষ্কে অ্যামাইলয়েড কমিয়েছে এবং আলঝেইমার রোগের কারণে স্মৃতিশক্তি এবং চিন্তাভাবনার পতনকে ধীর করে দিয়েছে।

“আমি একটি নির্ভুল ঔষধ চিকিত্সা পদ্ধতির অংশ হিসাবে ক্লিনিকাল কেয়ারে এই মডেলটি ব্যবহার করার কল্পনা করি,” পেট্রেলা বলেছেন। “মডেলটি রোগীদের সময়ের সাথে সাথে সর্বোত্তম ফলাফল অর্জনে সহায়তা করার জন্য সর্বোত্তম চিকিত্সার বিকল্পগুলির সুপারিশ করতে পারে যখন চিকিত্সা একটি একক ওষুধ বা থেরাপির সংমিশ্রণ হতে পারে।”

মডেলটি প্রতিটি রোগীর জন্য 14 টি ব্যক্তিগতকৃত পরামিতি চিহ্নিত করেছে। এই পরামিতিগুলি আল্জ্হেইমের রোগের সাথে যুক্ত বিভিন্ন বায়োমার্কারের বৃদ্ধির হার, প্রারম্ভিক বিন্দু (বিলম্বতার মান) এবং সর্বাধিক স্তর (বহন ক্ষমতা) প্রতিফলিত করে। গুরুত্বপূর্ণভাবে, এই পরামিতিগুলি ক্লিনিকাল ডায়াগনোসিসের দ্বারা শ্রেণীবদ্ধ ব্যক্তিদের মধ্যে উল্লেখযোগ্যভাবে পার্থক্য করে, পরামর্শ দেয় যে তারা রোগ প্রক্রিয়ার চিকিত্সাগতভাবে অর্থপূর্ণ দিকগুলি প্রতিফলিত করে।

যখন বিদ্যমান ডেটার বিরুদ্ধে পরীক্ষা করা হয়, তখন ADBC ​​মডেল উচ্চ মাত্রার নির্ভুলতার সাথে ভবিষ্যতের বায়োমার্কার স্তরের ভবিষ্যদ্বাণী করে, সমগ্র অধ্যয়ন গোষ্ঠীতে গড় ত্রুটির হার মাত্র 9%। এমনকি যখন পৃথক রোগীদের ক্ষেত্রে প্রয়োগ করা হয়, তখনও এই নির্ভুলতা উচ্চ থাকে, 80% এরও বেশি রোগী ভবিষ্যতের বায়োমার্কার পয়েন্টগুলির পূর্বাভাস দেওয়ার সময় একটি কম ত্রুটির হার দেখায়।

গবেষণায় একটি সম্ভাব্য গুরুত্বপূর্ণ ফলাফলও প্রকাশ করা হয়েছে। ব্যক্তিগতকরণ পরামিতি বিশ্লেষণ করে, গবেষকরা রোগীদের দুটি স্বতন্ত্র গ্রুপ চিহ্নিত করেছেন। এই ক্লাস্টারগুলি বিভিন্ন “এন্ডোফেনোটাইপ” এর প্রতিনিধিত্ব করে, অর্থাৎ, বিভিন্ন অন্তর্নিহিত জৈবিক বৈশিষ্ট্য যা রোগের অগ্রগতিকে প্রভাবিত করে।

গবেষকরা বৃহত্তর, আরও বৈচিত্র্যময় সম্প্রদায়-ভিত্তিক রোগীর জনসংখ্যার মধ্যে এই ফলাফলগুলিকে যাচাই করার জন্য আরও অধ্যয়নের প্রয়োজনীয়তার উপর জোর দেন।