Mokslininkai sukūrė naują metodą ligoms aptikti iš kraujo mėginio

Kartais atsakymas apie organizme vykstančius pokyčius slepiasi ne sudėtingoje procedūroje, o nedideliame kraujo mėgintuvėlyje. Tačiau kelias nuo pirmo neaiškaus simptomo iki tikslios diagnozės dažnai būna ilgas: tenka kartoti tyrimus, laukti vaizdinių testų, konsultuotis su keliais specialistais. Būtent todėl laboratorijose vis dažniau ieškoma būdų, kaip iš nedidelio mėginio išgauti gerokai daugiau informacijos, nei leidžia įprasti kraujo tyrimai.

Kraujo mėginys tampa savotišku organizmo žemėlapiu

Įprastas kraujo tyrimas gydytojui gali parodyti hemoglobino kiekį, uždegimo požymius, kepenų ar inkstų veiklos pokyčius. Vis dėlto daugelis ligų pradžioje nesukelia tokių ryškių pokyčių, kad juos būtų galima patikimai pastebėti standartiniais metodais.

Naujesni tyrimų būdai remiasi vadinamąja skysta biopsija. Mokslininkai analizuoja ne tik kraujo ląsteles, bet ir plazmoje esančias molekules: baltymus, genetinės medžiagos fragmentus, metabolitus bei kitus biologinius signalus. Šie pokyčiai gali atsirasti tada, kai organizme pradeda vystytis liga, nors žmogus dar nejaučia aiškių simptomų.

Vienas svarbiausių tokio požiūrio pranašumų – tyrimui nereikia paimti audinio iš pažeistos vietos. Tai ypač reikšminga tais atvejais, kai biopsija yra skausminga, sudėtinga arba techniškai sunkiai atliekama. Kraujo mėginį paimti paprasčiau, o procedūrą galima kartoti stebint, kaip liga keičiasi ar kaip organizmas reaguoja į gydymą.

Dirbtinis intelektas ieško ne vieno, o daugelio signalų

Naujausiuose tyrimuose vis didesnį vaidmenį atlieka dirbtinis intelektas ir mašininis mokymasis. Jų užduotis – pastebėti sudėtingus ryšius tarp tūkstančių skirtingų biologinių požymių. Žmogaus akiai ar įprastai statistinei analizei tokie ryšiai gali būti per daug subtilūs.

Pavyzdžiui, vienas baltymas pats savaime nebūtinai rodo konkrečią ligą. Tačiau kelių baltymų, genetinės medžiagos fragmentų ir medžiagų apykaitos pokyčių derinys gali sudaryti tam tikrą ligos „pirštų atspaudą“. Algoritmas, išmokytas analizuoti dideles pacientų duomenų bazes, gali palyginti naujo žmogaus mėginį su anksčiau sukauptais pavyzdžiais ir įvertinti, ar jame matoma tam tikrai būklei būdinga kombinacija.

Tokie modeliai tiriami onkologijoje, neurologijoje, kardiologijoje ir infekcinių ligų diagnostikoje. Vėžio tyrimuose daug dėmesio skiriama cirkuliuojančiai naviko DNR – genetinės medžiagos fragmentams, kuriuos į kraują gali išskirti auglio ląstelės. Kitose srityse ieškoma uždegimo, imuninės sistemos veiklos ar organų pažeidimo žymenų.

Tačiau svarbu atskirti pažadą nuo jau kasdienėje medicinoje įtvirtintos praktikos. Daugelis tokių metodų dar tikrinami klinikiniuose tyrimuose. Algoritmas gali padėti nustatyti didesnės rizikos pacientus, bet tai dar nereiškia, kad jis gali savarankiškai patvirtinti diagnozę.

Tyrimo tikslumas priklauso nuo didelių duomenų kiekių

Kad naujas metodas būtų patikimas, vien įspūdingų rezultatų laboratorijoje nepakanka. Tyrėjams reikia išanalizuoti daugybę skirtingo amžiaus, lyties, sveikatos būklės ir genetinės kilmės žmonių mėginių. Priešingu atveju kyla pavojus, kad sistema išmoks atpažinti ne pačią ligą, o atsitiktinius konkrečios tyrimų grupės požymius.

Metodas turi būti išbandytas nepriklausomose ligoninėse ir su pacientais, kurių duomenų algoritmas anksčiau nematė. Tik tada galima įvertinti, kaip dažnai tyrimas pateikia klaidingai teigiamą arba klaidingai neigiamą atsakymą.

Klaidingai teigiamas rezultatas žmogui gali sukelti nerimą ir paskatinti nereikalingas invazines procedūras. Klaidingai neigiamas atsakymas dar pavojingesnis – jis gali suteikti klaidingą saugumo jausmą ir atidėti gydytojo konsultaciją. Todėl naujieji kraujo tyrimai greičiausiai bus naudojami ne kaip vienintelis diagnostikos įrankis, o kartu su paciento istorija, apžiūra ir kitais tyrimais.

Dar vienas iššūkis – biologinė įvairovė. Kraujo sudėtį gali keisti amžius, mityba, vartojami vaistai, lėtinės ligos ar neseniai persirgta infekcija. Visa tai turi įtakos tam, kaip algoritmas interpretuoja gautą signalą.

Nuo laboratorijos iki gydytojo kabineto dar reikia laiko

Jeigu tokie metodai bus patvirtinti, jų poveikis medicinai gali būti reikšmingas. Paprastesnis tyrimas galėtų padėti anksčiau atrinkti žmones, kuriems reikia išsamesnio ištyrimo. Tai ypač svarbu ligoms, kurios ilgą laiką vystosi be aiškių simptomų.

Kraujo analizė taip pat galėtų būti naudojama gydymo eigai stebėti. Jei ligos signalas mėginyje silpnėja, tai gali rodyti, kad gydymas veikia. Jei jis vėl stiprėja, gydytojai galėtų greičiau įvertinti, ar liga atsinaujina arba ar reikia keisti gydymo strategiją.

Vis dėlto praktinį pritaikymą lems ne vien technologijos galimybės. Reikės nustatyti, kiek tokie tyrimai kainuos, kaip bus saugomi genetiniai ir sveikatos duomenys, kas turės prieigą prie rezultatų ir kaip gydytojai turės juos aiškinti pacientams. Taip pat svarbu, kad naujovė nebūtų prieinama tik didžiosioms klinikoms ar finansiškai stipresniems pacientams.

Kraujo mėginys medicinoje jau seniai nėra vien paprastas skaičių rinkinys. Tobulėjant molekulinei diagnostikai ir duomenų analizei, jis tampa vis detalesniu organizmo būklės atspindžiu. Tačiau tikrasis proveržis įvyks tada, kai laboratorijoje sukurtas metodas bus ne tik jautrus, bet ir patikimai patikrintas realiomis sąlygomis – ten, kur nuo tyrimo rezultato priklauso konkretus žmogaus sprendimas ir gydymas.