Parkinson is een complexe neurologische aandoening die zich kenmerkt door symptomen zoals tremoren, spierstijfheid, bradykinesie (vertraagde beweging) en houdingsinstabiliteit. Vroege diagnose is vaak lastig en bestaande medicamenteuze behandelingen blijken in de praktijk beperkt effectief. Een Zuid-Koreaans onderzoeksteam heeft nu een belangrijke stap gezet richting een nieuw tijdperk van gepersonaliseerde zorg.
Door AI te combineren met optogenetica, een techniek waarbij zenuwcellen met licht gestuurd worden, wisten de onderzoekers zowel de diagnose als de behandeling van Parkinson in muismodellen te verfijnen. Onder leiding van professoren Won Do Heo en Daesoo Kim, en met dr. Bobae Hyeon, werd een innovatieve preklinische onderzoeksmethode ontwikkeld die diagnose, behandeling en mechanismeverificatie in één model samenbrengt.
AI voorspelt ziektescore
De onderzoekers creëerden een muismodel met afwijkingen in het alpha-synucleïne-eiwit, een veelgebruikt model om Parkinson te bestuderen. Met behulp van AI-gestuurde 3D-houdingsanalyse werden meer dan 340 gedragskenmerken geanalyseerd, zoals looppatronen, ledemaatbewegingen en tremoren. Deze data werden samengevat in één maat: de AI-predicted Parkinson’s score (APS).
Opvallend was dat de APS al twee weken na ziekte-inductie duidelijke afwijkingen liet zien, veel eerder en gevoeliger dan traditionele motortesten. Belangrijke diagnostische kenmerken waren onder meer asymmetrie tussen handen en voeten, veranderingen in paslengte en houding, en specifieke trillingen in de borstkas.
Om de specificiteit van de methode te testen, vergeleek het team de resultaten met een ALS-muismodel. Hoewel ook deze muizen motorische problemen vertoonden, bleef hun APS laag. Dit benadrukt dat de score specifiek Parkinson-gerelateerde gedragsveranderingen vastlegt en niet simpelweg algemene motorische achteruitgang.
Optogenetische therapie
Naast diagnose keken de onderzoekers ook naar behandeling. Met optoRET, een optogenetische techniek die neurotrofe signalen met licht aanstuurt, werd een therapie ontwikkeld die bij muizen leidde tot vloeiendere bewegingen en minder tremoren. Een behandelschema waarbij om de dag lichtstimulatie werd toegepast bleek het meest effectief. Bovendien wees het onderzoek uit dat deze aanpak mogelijk ook dopamineproducerende neuronen beschermt, wat cruciaal is bij Parkinson.
Op weg naar gepersonaliseerde zorg
Volgens professor Heo is dit wereldwijd de eerste keer dat een preklinisch raamwerk is ontwikkeld dat vroege diagnose, behandelingsbeoordeling en mechanismeonderzoek integreert via AI en optogenetica. Dit onderzoek biedt daarmee een belangrijke basis voor toekomstige gepersonaliseerde therapieën.
De combinatie van geavanceerde gedragsanalyse en lichtgestuurde neurostimulatie laat zien dat technologie kan bijdragen aan een meer precieze en patiëntgerichte benadering van Parkinson. Waar traditionele behandelingen vaak beperkt werken, opent deze methode de deur naar therapieën die zijn afgestemd op de individuele ziekteprogressie en behoeften van de patiënt.
Met deze doorbraak tonen de Koreaanse onderzoekers dat de zorg voor Parkinsonpatiënten in de toekomst niet alleen kan gaan over symptoombestrijding, maar ook over vroegtijdige detectie en gerichte, duurzame interventie. Een cruciale stap richting de volgende generatie neurologische zorg. Het onderzoek, uitgevoerd door teams van de Korea Advanced Institute of Science and Technology (KAIST) en het Institute for Basic Science (IBS), is gepubliceerd in Nature Communications.
Risicogenen
Begin dit jaar verkregen onderzoekers van het Cleveland Clinic Genome Center, met behulp van geavanceerde genetische AI-modellen, nieuwe inzichten in de progressie van de ziekte van Parkinson en mogelijke behandelingsopties. Door een systeembiologische benadering te gebruiken, waarbij genetische, proteomische, farmaceutische en patiëntgegevens werden geïntegreerd, identificeerden zij genetische factoren die bijdragen aan de ziekte én bestaande, al goedgekeurde medicijnen die mogelijk ingezet kunnen worden.
Een grote uitdaging bij Parkinson is dat veel genetische mutaties zich in niet-coderende DNA-regio’s bevinden. Met het AI-model konden onderzoekers koppelingen leggen tussen deze varianten en de genen die ze beïnvloeden, waaronder bekende risicogenen zoals SNCA en LRRK2, die bij ontregeling ontstekingen in de hersenen veroorzaken. Door deze inzichten te combineren met eiwit- en interactoom-data, konden ze potentiële aangrijpingspunten voor therapieën vaststellen.
