به گزارش پایگاه اطلاع رسانی بنیان، اسکیزوفرنی و اختلال دوقطبی از پیچیده‌ترین بیماری‌های روان‌پزشکی به شمار می‌روند که میلیون‌ها نفر در سراسر جهان با آن‌ها دست و پنجه نرم می‌کنند. این بیماری‌ها نه تنها بر کیفیت زندگی فرد اثر می‌گذارند، بلکه بار اجتماعی و اقتصادی بزرگی نیز بر خانواده و جامعه تحمیل می‌کنند. با وجود پیشرفت‌های چشمگیر در حوزه علوم اعصاب، همچنان یکی از مشکلات اساسی در مواجهه با این اختلالات، دشواری تشخیص و فقدان نشانگرهای زیستی روشن است. در بیماری‌هایی مانند پارکینسون می‌توان با بررسی سطح دوپامین به الگوی بیماری پی برد و مسیر درمان را دنبال کرد، اما در مورد اختلالات روانی پیچیده، پزشکان اغلب تنها با اتکا به مشاهده‌های بالینی و تجربه‌های فردی تصمیم می‌گیرند. این مسئله خطر خطا در تشخیص و تأخیر طولانی در آغاز درمان مؤثر را افزایش می‌دهد و بیماران را در معرض رنج بیشتری قرار می‌دهد. امید اصلی پژوهشگران در سال‌های اخیر یافتن روش‌هایی نوین برای کشف مبانی عصبی و مولکولی این بیماری‌ها و به کارگیری مدل‌های دقیق‌تر برای بررسی آن‌ها بوده است. پژوهش اخیر دانشگاه جانز هاپکینز با استفاده از فناوری ارگانوئیدهای مغزی و الگوریتم‌های یادگیری ماشین، افق تازه‌ای در این مسیر گشوده است.

تاریخچه

ایده استفاده از ارگانوئیدهای مغزی برای مطالعه بیماری‌های عصبی نسبتا جدید است اما در سال‌های اخیر جایگاه ویژه‌ای یافته است. نخستین تلاش‌ها برای تولید این ساختارها به اوایل دهه ۲۰۱۰ بازمی‌گردد، زمانی که دانشمندان توانستند سلول‌های پوست یا خون را به سلول‌های بنیادی پرتوان القایی تبدیل کنند و سپس این سلول‌ها را در شرایط خاص به سوی مسیر عصبی هدایت کنند. نتیجه این فرایند ایجاد ساختارهایی سه‌بعدی بود که از نظر سازماندهی و عملکرد شباهت زیادی به بخش‌هایی از مغز واقعی داشتند. پیش از آن، بیشتر مطالعات بر پایه مدل‌های حیوانی انجام می‌شد، اما این مدل‌ها قادر نبودند پیچیدگی‌های مغز انسان را به طور کامل بازنمایی کنند. تفاوت‌های گسترده در سازمان قشری، تنوع سلولی و شبکه‌های ارتباطی میان مغز انسان و حیوان باعث می‌شد که بسیاری از یافته‌های آزمایشگاهی در مرحله کاربرد بالینی با شکست روبه‌رو شوند. ظهور ارگانوئیدها به عنوان یک ابزار میانجی، این امکان را فراهم کرد که پژوهشگران ساختارهایی بسیار مشابه مغز انسان را در ظرف آزمایشگاه پرورش دهند و بر روی آن‌ها مطالعه کنند. هم‌زمان، توسعه روش‌های تحلیل داده و یادگیری ماشین نیز فرصت تازه‌ای ایجاد کرد تا از میان الگوهای پیچیده فعالیت عصبی، تفاوت‌های ظریف میان شرایط سالم و بیمار آشکار شود.

شیوه مطالعاتی

در مطالعه دانشگاه جانز هاپکینز، پژوهشگران از ترکیب دو فناوری ارگانوئیدهای مغزی و الگوریتم‌های یادگیری ماشین استفاده کردند تا الگوهای عصبی بیماران مبتلا به اسکیزوفرنی و اختلال دوقطبی را بررسی کنند. ابتدا سلول‌های خون و پوست بیماران و افراد سالم جمع‌آوری شد. این سلول‌ها به سلول‌های بنیادی پرتوان بازبرنامه‌ریزی شدند و سپس در محیطی کنترل‌شده به رشد و تمایز عصبی هدایت شدند. نتیجه این فرایند ایجاد ارگانوئیدهایی بود که در اندازه سه میلی‌متر رشد کرده و حاوی انواع سلول‌های عصبی بودند. در این ساختارها حتی پوشش میلینی مشاهده شد، همان ماده‌ای که در مغز واقعی به انتقال مؤثر سیگنال‌های عصبی کمک می‌کند. این شباهت‌ها نشان داد که ارگانوئیدها می‌توانند مدل مناسبی از قشر پیش‌پیشانی مغز انسان باشند؛ بخشی از مغز که نقش کلیدی در تصمیم‌گیری، شناخت و تنظیم احساسات ایفا می‌کند.

برای ثبت فعالیت عصبی این ارگانوئیدها، پژوهشگران آن‌ها را روی تراشه‌های ویژه‌ای قرار دادند که دارای آرایه‌های چندالکترودی بودند. این آرایه‌ها قادر بودند شلیک‌های عصبی را ثبت کنند و اطلاعاتی مشابه با الکتروانسفالوگرافی در مقیاس کوچک فراهم آورند. سپس داده‌های حاصل از این ثبت‌ها با کمک الگوریتم‌های یادگیری ماشین تحلیل شد. این الگوریتم‌ها توانستند میان الگوهای شلیک نورون‌های ارگانوئیدهای بیماران و افراد سالم تفاوت قائل شوند. همچنین پژوهشگران با اعمال شوک‌های الکتریکی ضعیف توانستند فعالیت عصبی را آشکارتر کنند و دقت تحلیل را افزایش دهند.

نتایج

تحلیل داده‌ها نشان داد که ارگانوئیدهای بیماران مبتلا به اسکیزوفرنی و اختلال دوقطبی دارای الگوهای متمایز فعالیت عصبی هستند. این الگوها شامل تغییرات در دفعات شلیک نورون‌ها، تغییر در ریتم فعالیت عصبی و بروز همزمان تغییرات در چندین شاخص بود که در مجموع امضای خاصی برای هر اختلال ایجاد می‌کرد. الگوریتم‌های یادگیری ماشین توانستند با دقت ۸۳ درصد میان ارگانوئیدهای بیماران و افراد سالم تمایز قائل شوند. هنگامی که ارگانوئیدها تحت تحریک الکتریکی قرار گرفتند، این دقت به ۹۲ درصد افزایش یافت. این نتایج نشان داد که ارگانوئیدهای مغزی نه تنها قادرند فعالیت‌های پیچیده نورونی را بازتولید کنند، بلکه می‌توانند به عنوان مدلی کارآمد برای تشخیص اختلالات روان‌پزشکی مورد استفاده قرار گیرند.

دستاورد

این پژوهش چند دستاورد اساسی داشت. نخست اینکه توانست نشان دهد اختلالات پیچیده‌ای مانند اسکیزوفرنی و دوقطبی نیز دارای امضاهای عصبی مشخصی هستند که می‌توان آن‌ها را در مدل‌های آزمایشگاهی بازسازی و شناسایی کرد. این کشف امید به توسعه ابزارهای تشخیصی دقیق‌تر را افزایش می‌دهد. دوم اینکه ارگانوئیدها امکان بررسی شخصی‌سازی‌شده درمان را فراهم می‌کنند. هر بیمار می‌تواند ارگانوئیدهای مشتق از سلول‌های خودش را داشته باشد و پزشکان قادر خواهند بود داروها و دوزهای مختلف را روی آن‌ها آزمایش کنند. بدین ترتیب، زمان طولانی آزمون و خطا برای یافتن داروی مناسب که گاه تا چندین ماه به طول می‌انجامد، کاهش می‌یابد. سوم اینکه این روش به‌طور بالقوه می‌تواند میزان عوارض جانبی ناشی از مصرف داروهای نامناسب را کم کند و کیفیت زندگی بیماران را بهبود بخشد. اهمیت دیگر این دستاوردها فراتر از روان‌پزشکی است و می‌تواند در مطالعات سایر بیماری‌های عصبی و توسعه پزشکی فردمحور نیز نقش‌آفرین باشد.

گام بعدی مطالعه

اگرچه یافته‌های این مطالعه امیدبخش بود، اما باید در نظر داشت که تعداد بیماران مورد بررسی محدود به دوازده نفر بود. بنابراین گام‌های بعدی شامل گسترش حجم نمونه و بررسی بیماران بیشتر از پیشینه‌های گوناگون است تا نتایج از اعتبار بالاتری برخوردار شوند. همچنین پژوهشگران در نظر دارند اثر داروهای مختلف مانند کلوزاپین را روی ارگانوئیدها بررسی کنند و ببینند آیا می‌توان فعالیت عصبی آن‌ها را به الگوهای سالم نزدیک کرد یا خیر. توسعه الگوریتم‌های دقیق‌تر نیز یکی دیگر از اهداف این گروه است تا بتوانند پیش‌بینی‌های مطمئن‌تری درباره پاسخ بیماران به درمان ارائه دهند. در نهایت، چشم‌انداز این پژوهش دستیابی به ابزاری بالینی است که پزشکان بتوانند پیش از تجویز دارو با آزمایش روی ارگانوئیدهای شخصی هر بیمار، بهترین گزینه درمانی را انتخاب کنند. اگر این مسیر با موفقیت ادامه یابد، آینده‌ای متصور است که در آن بیماران مبتلا به اختلالات روانی پیچیده نه از طریق آزمون و خطا، بلکه بر اساس داده‌های زیستی و شخصی‌سازی‌شده درمان شوند.

پایان مطلب/.