Blutproben von Patientinnen und Patienten, die mit einem parasitären Wurm infiziert sind, der Schistosomiasis verursacht, enthalten verborgene Informationen, die verschiedene Stadien der Erkrankung kennzeichnen.
In unserer kürzlich veröffentlichten Studie nutzte unser Team maschinelles Lernen, um diese verborgenen Informationen sichtbar zu machen und die Früherkennung sowie Diagnose der Infektion zu verbessern.
Der Parasit, der Schistosomiasis auslöst, durchläuft seinen Lebenszyklus in zwei Wirten: zunächst in Schnecken, anschliessend in Säugetieren wie Menschen, Hunden und Mäusen. Eier des Süsswasserwurms dringen über die Haut in den menschlichen Körper ein und wandern dort durch den Organismus. Dabei können sie mehrere Organe schädigen, darunter Leber, Darm, Harnblase und Harnröhre.
Erreichen diese Larven Blutgefässe, die den Darm mit der Leber verbinden, reifen sie zu ausgewachsenen Würmern heran. Danach geben sie Eier ab, die mit dem Stuhl infizierter Menschen ausgeschieden werden, wodurch sich der Übertragungszyklus fortsetzt.
Da die Diagnose derzeit auf dem Nachweis von Eiern im Stuhl beruht, werden frühe Infektionsstadien von Ärztinnen und Ärzten meist übersehen. Sobald Eier nachgewiesen werden können, befinden sich Betroffene bereits in einem fortgeschrittenen Krankheitsstadium.
Weil die Diagnoseraten niedrig sind, verabreichen Verantwortliche im öffentlichen Gesundheitswesen in betroffenen Regionen häufig grossflächig das Medikament Praziquantel. Praziquantel kann jedoch juvenile Würmer in frühen Infektionsstadien nicht beseitigen und schützt zudem nicht vor einer erneuten Infektion.
Unsere Studie zeigt einen klaren Weg auf, die Früherkennung und Diagnose zu verbessern: durch die Identifikation verborgener Informationen im Blut, die auf eine aktive Infektion im Frühstadium hinweisen.
Der Körper reagiert auf eine Schistosomiasis-Infektion mit einer Immunantwort, an der mehrere Arten von Immunzellen beteiligt sind. Dazu gehören auch Antikörper, die gezielt Moleküle erkennen, welche vom Wurm und seinen Eiern ausgeschieden werden oder auf ihnen vorkommen.
Unsere Untersuchung stellt zwei Verfahren vor, mit denen sich bestimmte Antikörpereigenschaften erfassen lassen, die auf eine frühe Infektion hindeuten.
Das erste Verfahren ist ein Test, der ein quantitatives und qualitatives Profil der Immunantwort erstellt. Es umfasst verschiedene Antikörperklassen sowie Eigenschaften, die bestimmen, wie diese mit anderen Immunzellen kommunizieren. Dadurch konnten wir spezifische Aspekte der Immunantwort ermitteln, die nicht infizierte Personen von Patientinnen und Patienten mit Erkrankungen im frühen oder späten Stadium unterscheiden.
Zweitens entwickelten wir einen neuen Ansatz des maschinellen Lernens, der Antikörper analysiert, um verborgene Merkmale der Immunantwort zu identifizieren, die mit Krankheitsstadium und Schweregrad zusammenhängen.
Wir trainierten das Modell mit Daten zu Immunprofilen infizierter und nicht infizierter Personen. Anschliessend prüften wir es sowohl mit Daten, die nicht für das Training verwendet worden waren, als auch mit Daten aus einer anderen geografischen Region. Dabei identifizierten wir nicht nur Biomarker für die Krankheit, sondern auch den möglichen Mechanismus, der der Infektion zugrunde liegt.
Warum Schistosomiasis wichtig ist
Schistosomiasis ist eine vernachlässigte Tropenkrankheit, von der weltweit mehr als 200 Millionen Menschen betroffen sind und die jährlich 280.000 Todesfälle verursacht. Eine frühe Diagnose kann die Wirksamkeit der Behandlung erhöhen und schwere Krankheitsverläufe verhindern.
Anders als bei vielen Methoden des maschinellen Lernens, die als Blackbox funktionieren, ist unser Ansatz zudem interpretierbar. Er liefert somit Erkenntnisse darüber, warum und wie sich die Erkrankung entwickelt, statt lediglich Krankheitsmarker zu bestimmen. Das kann künftige Strategien für Früherkennung und Behandlung lenken.
Was weiterhin unbekannt ist
Die von uns identifizierten Signaturen einer Schistosomiasis-Infektion bleiben über zwei geografische Regionen auf zwei Kontinenten hinweg stabil. Künftige Forschung könnte untersuchen, wie gut sich diese Biomarker auf weitere Bevölkerungsgruppen übertragen lassen.
Darüber hinaus weist unsere Arbeit auf einen möglichen Mechanismus der Krankheitsprogression hin. Wir stellten fest, dass eine bestimmte Immunantwort gegen ein spezifisches Protein auf der Oberfläche des Wurms ein mittleres Infektionsstadium signalisiert.
Ein besseres Verständnis dafür, wie das Immunsystem auf dieses bislang wenig untersuchte Antigen reagiert, könnte Diagnose und Behandlung verbessern.
Wie es mit der Schistosomiasis-Forschung weitergeht
Neben einem besseren Verständnis der Immunreaktion auf die verschiedenen Infektionsstadien benennen unsere Ergebnisse wichtige Antigene. Diese könnten den Weg für kostengünstige und effiziente Verfahren zur Diagnose und Behandlung ebnen.
Als Nächstes wollen wir diese Strategien direkt vor Ort einsetzen, um Krankheiten frühzeitig zu erkennen und besser zu behandeln.
Der Research Brief ist eine kurze Einordnung interessanter wissenschaftlicher Arbeiten.
Trirupa Chakraborty, Doktorandin für Integrative Systembiologie, University of Pittsburgh; Aniruddh Sarkar, Assistenzprofessor für Biomedizintechnik, Georgia Institute of Technology; und Jishnu Das, Assistenzprofessor für Immunologie sowie Computational & Systems Biology, University of Pittsburgh
Dieser Artikel wird unter einer Creative-Commons-Lizenz von The Conversation erneut veröffentlicht. Lesen Sie den Originalartikel.
Kommentare
Noch keine Kommentare. Sei der Erste!
Kommentar hinterlassen