Des personnages reconnus à l'échelle mondiale comme Muhammad Ali et Michael J. Fox souffrent depuis longtemps de la maladie de Parkinson. La maladie présente un ensemble complexe de symptômes motrices, y compris les tremblements, la rigidité, la bradykinésie et l'instabilité posturale. Cependant, les méthodes de diagnostic traditionnelles ont eu du mal à détecter avec sensibilité les changements dans les premiers stades, et les médicaments ciblant la régulation du signal cérébral ont eu une efficacité clinique limitée.
Récemment, les chercheurs coréens ont démontré avec succès le potentiel d'une technologie qui intègre l'IA et l'optogénétique comme outil de diagnostic précis et d'évaluation thérapeutique de la maladie de Parkinson chez la souris. Ils ont également proposé une stratégie pour développer des traitements personnalisés de nouvelle génération.
Kaist (le président Kwang Hyung Lee) a annoncé le 22nd De septembre, une équipe de recherche collaborative – le professeur comprise a remporté l'équipe de HEO du Département des sciences biologiques, l'équipe du professeur Daesoo Kim du Département de cerveau et des sciences cognitives, et l'équipe du réalisateur Chang-Jun Lee de l'Institute for Basic Science (IBS) Center for Cognition and Sociality – adressé une caserne de recherche préclinique en combinant l'analyse de l'AI avec l'optogène. Leur travail a démontré simultanément la possibilité d'un diagnostic et d'un traitement précoces et précis dans un modèle animal de la maladie de Parkinson.
L'équipe de recherche a créé un modèle de souris de la maladie de Parkinson avec deux étapes de gravité. C'étaient des souris mâles avec des anomalies de protéines alpha-synucléine, un modèle standard utilisé pour simuler la maladie de Parkinson humaine pour la recherche diagnostique et thérapeutique.
En collaboration avec l'équipe du professeur Kim à Kaist, ils ont introduit l'estimation de la pose 3D basée sur l'IA pour l'analyse comportementale. L'équipe a analysé plus de 340 caractéristiques comportementales – telles que la démarche, les mouvements des membres et les tremblements – des souris de Parkinson et les a condensées en une seule métrique: le score de la maladie de Parkinson prédit par AI (APS).
L'analyse a montré que l'APS présentait une différence significative par rapport au groupe témoin dès deux semaines après l'induction de la maladie. Il s'est également avéré plus sensible dans l'évaluation de la gravité de la maladie que les tests de fonction moteur traditionnels. L'étude a identifié des caractéristiques de diagnostic clés, notamment des changements dans la foulée, des mouvements asymétriques des membres et des tremblements thoraciques. Les 20 principales caractéristiques comportementales comprenaient l'asymétrie manuelle / pied, les changements de foulée et de posture et une augmentation du mouvement thoracique haute fréquence.
Pour confirmer que ces indicateurs comportementaux n'étaient pas seulement une baisse générale de moteur mais spécifique à celle de Parkinson, l'équipe a appliqué la même analyse à un modèle de souris de sclérose latérale amyotrophique (SLA), également connue sous le nom de maladie de Lou Gehrig, en collaboration avec l'équipe du réalisateur Lee chez IBS. Étant donné que les parkinson et la SLA provoquent des problèmes de fonction moteur, si les AP reflétaient simplement les mauvaises compétences motrices, un score élevé aurait dû apparaître dans les deux maladies.
Cependant, l'analyse du modèle animal ALS a montré que malgré une baisse de la fonction motrice, les souris n'ont pas montré les AP élevés observés dans le modèle de Parkinson. Au lieu de cela, leurs scores sont restés faibles et leurs changements de comportement étaient nettement différents. Cela démontre que l'APS est directement lié à des changements caractéristiques spécifiques qui n'apparaissent que dans la maladie de Parkinson.
Pour le traitement, l'équipe de recherche a utilisé Optoret, une technologie d'optogénétique qui contrôle précisément les signaux neurotrophiques avec la lumière. Cette technique s'est avérée efficace dans le modèle animal, conduisant à des mouvements de démarche et de membres plus lisses et une réduction des tremblements.
Plus précisément, un régime de lumière brillante les jours alternatifs s'est avéré être le plus efficace, et il a également montré une tendance à protéger les neurones produisant de la dopamine dans le cerveau.
C'est la première fois au monde qu'un cadre préclinique est mis en œuvre qui relie le diagnostic précoce, l'évaluation du traitement et la vérification du mécanisme de la maladie de Parkinson en combinant l'analyse comportementale basée sur l'IA avec l'optogénétique. Cela jette une base cruciale pour les futures médicaments personnalisés et les traitements personnalisés pour les patients. «
Le professeur Won Do Heo de Kaist
L'étude, avec le Dr Bobae Hyeon, chercheur postdoctoral au Kaist Institute for Biological Science, en tant que premier auteur, a été publié en ligne dans la revue internationale Nature Communications le 21 août. Le Dr Hyeon mène des recherches de suivi pour faire progresser la thérapie cellulaire de Parkinson à l'hôpital McLean, Harvard Medical School, soutenu par le «programme mondial de formation médecin-scientifique» du Korea Health Industry Development Institute.
Cette recherche a été soutenue par le Kaist Global Singularity Project, le ministère des Sciences et des TIC / National Research Foundation of Korea, le IBS Center for Cognition and Socialialité, et le ministère de la Santé et du Welfare / Korea Health Industry Development Institute.
