Właśnie opublikowaliśmy 12 odcinek podcastu Coopernicus!
Artykuł - zdjęcie główne
Sztuczna inteligencja w diagnozie przewlekłej obturacyjnej choroby płuc (POChP)

Przewlekła obturacyjna choroba płuc (POChP) stanowi ogromny ogólnoświatowy problem zdrowotny; jest to trzecia najczęstsza przyczyna zgonów na świecie. Liczba chorych w Polsce przekracza dwa miliony, przy czym około 20% z nich ma zaawansowaną postać choroby, charakteryzującą się przewlekłym kaszlem i dusznością podczas wysiłku. Smog, dym tytoniowy oraz zawodowe narażenie na szkodliwe pyły to główne przyczyny POChP.  

Jednym z wczesnych objawów choroby jest kaszel. Chory może odkrztuszać niewielką ilość plwociny, a mokry kaszel utrzymuje się przez większość roku i nasila się w godzinach porannych. W większości przypadków pacjenci lekceważą ten objaw, kojarząc go np. z nieodłącznym efektem ubocznym palenia papierosów. 

POChP rozpoznaje się w oparciu o wywiad biomedyczny, pomiar spirometryczny i badania dodatkowe, co wymaga specjalistycznej wizyty lekarskiej i szeregu testów, na które wiele osób nie decyduje się szybko. Dlatego też, u około dwóch trzecich pacjentów traci się możliwość zdiagnozowania POChP we wcześniejszym etapie, a późna diagnoza często prowadzi do szybkiego zaostrzenia symptomów i rozwoju choroby. 

W projekcie rozpoczętym przez firmę Recumed Sp. z o.o. i współfinansowanym ze środków Narodowego Centrum Badań i Rozwoju, zaproponowano rozwój innowacyjnego produktu do diagnostyki in vitro POChP w ślinie, który da możliwość łatwej i szybkiej detekcji choroby oraz określenia jej stopnia zaawansowania. Finalny produkt będzie się składał z testu immunochemicznego oraz aplikacji mobilnej, a jego potencjalnymi odbiorcami będą lekarze pierwszego kontaktu, lekarze pulmonolodzy, placówki POZ oraz osoby indywidualne.

Ekspert Biomedyczny projektu (POIR.01.01.01-0610/20-00), dr. Magdalena Rudzińska-Radecka, wraz z zespołem prowadzi badania mające na celu ocenę poziomu wyselekcjonowanych biomarkerów (białka ostrej fazy – CRP, prokalcytoniny – PCT, elastazy neutrofilowej – NE oraz antytrypsyny – AAT) w ślinie chorych na POChP. 

Pierwszym etapem projektu jest określenie poziomu korelacji stężeń (oznaczanych metodą

immunoenzymatyczną ELISA) w ślinie i surowicy krwi wskazanych biomarkerów u 70 zdrowych ochotników i w ten sposób uwierzytelnienie, że ślina może być użytecznym medium diagnostycznym. Jest to istotny element testów służących do szybkiej diagnostyki, gdyż pobranie śliny ma nieinwazyjny charakter oraz nie wymaga złożonych technik laboratoryjnych i odpowiedniego transportu, w odróżnieniu do krwi.

W ramach etapu drugiego zespół planuje przeprowadzenie badań molekularnych śliny pochodzącej od ochotników zdrowych (70 palących, 70 niepalących) i chorych na POChP (70 palących, 70 niepalących w różnym stadium zaawansowania choroby), wraz z przeprowadzeniem badań spirometrycznych i zebraniem wywiadu medycznego od wszystkich ochotników. Dane te będą stanowiły wartości referencyjne zarówno dla opracowywanego prototypu biosensora i dla nauczania maszynowego.

Oczekuje się, że opracowany sensor wskazywać będzie w sposób jakościowy i ilościowy poziomy badanych markerów z wysoką dokładnością w stosunku do metody referencyjnej ELISA. Biosensor będzie działać w technologii testu przepływu bocznego, a kropla śliny przemieszczać będzie się wzdłuż błony nitrocelulozowej, na której unieruchomione będą specyficzne przeciwciała w kompleksie ze złotem koloidalnym. Po wchłonięciu próby przez membranę, antygen (jeśli

próba okaże się pozytywna) wiązać się będzie z ulokowanym kompleksem złoto-przeciwciało, co w konsekwencji doprowadzi do reakcji barwnej o różnej intensywności. Test umieszczony będzie w obudowie wydrukowanej na drukarce 3D.

Specjalista od nauczania maszynowego, Robert Marczyński twierdzi, że technologie uczenia maszynowego znajdują zastosowanie we wszystkich obszarach codziennego życia, w tym również opiece zdrowotnej. Na podstawie zebranych danych maszyna może podejmować samodzielne decyzje bez konieczności programowania jej za każdym razem do konkretnego zadania. Mając dane biomedyczne pochodzące od różnych grup: kontrolnych i badanych, możemy nauczyć maszynę rozpoznawania i łączenia czynników ze sobą, a tym samym rozpoznawania choroby i jej zaawansowania. 

W tym kontekście efektem trzeciego etapu projektu będzie opracowanie zestawu samouczących się algorytmów, które odpowiednio skorelują wyniki badań molekularnych śliny, spirometrię i informację kliniczne o ochotnikach i na tej podstawie nauczymy maszynę jak rozpoznawać chorobę, a także jej zaawansowanie. Wszystko to zostanie opracowane w wersji aplikacji na telefon

W rezultacie wynik otrzymany z biosensora  będzie mógł być łatwo i szybko zinterpretowany za pomocą własnego telefonu przez każdego z użytkowników.

Wytworzony prototyp docelowego zestawu zostanie dalej rozwinięty do wersji, w której opracowana technologia zostanie potwierdzona w warunkach rzeczywistych.

Podejmowane przez zespół działania pozwolą przyspieszyć diagnostykę przewlekłej obturacyjnej choroby płuc, a tym samym uratować życie wielu pacjentów. 

Po więcej informacji na temat badań prowadzonych przez dr Magdalenę Rudzińską-Radecką zapraszamy na:

dr Magdalena Rudzińska-Radecka
Specjalista naukowy w Instytucie Chemii Fizycznej PAN
Bio:

Magdalena Rudzińska-Radecka, naukowiec z ponad 12-letnim praktycznym doświadczeniem w biologii molekularnej; specjalizuje się w badaniach nad biologią i leczeniem nowotworów, modelach 3D oraz starzeniu komórkowym. Uczestniczyła w wielu międzynarodowych grantach, konferencjach i jest współautorem wynalazku nowych inhibitorów katepsyn lizosomalnych.
W styczniu 2022 roku rozpoczęła pracę jako specjalista naukowy w Instytucie Chemii Fizycznej PAN w projekcie „Drukowanie samoorganizujących się kropel: od fizycznych podstaw samoorganizacji po zastosowania w enkapsulacji komórek i wysokoprzepustowych badaniach przesiewowych”, a także rozpoczęła swoją aktywność w projekcie B+R w firmie Recumed sp z.o.o., gdzie jako ekspert biomedyczny prowadzi pracę nad stworzeniem produktu do diagnostyki przewlekłej obturacyjnej choroby płuc.

Napisany przez:

Natalia Mikulska

Dodaj komentarz