מועד שיא: קונגרס PAS 2026

כיצד הדמיה עצבית משנה במהירות את האבחון והטיפול במחלת פרקינסון

---

מומחים משתפים כיצד הדמיה רב-מודאלית ואלפא-סינוקלאין יכולה להציע תובנות מעמיקות יותר לגבי ניוון עצבי עדין על פני ספקטרום המחלות.

סקירת מאמרים קפוץ ל:  כיצד בינה מלאכותית משמשת כיום בכלי הדמיה למחלת פרקינסון? כיצד הדמיה רב-מודאלית מסייעת בגילוי מוקדם ובמעקב אחר התקדמות המחלה במחלת פרקינסון? הרלוונטיות של דימות אלפא-סינוקלאין בסינוקליינופתיות הפניות

 

כיצד בינה מלאכותית משמשת כיום בכלי הדמיה למחלת פרקינסון?

בינה מלאכותית (AI) מעצבת מחדש במהירות את האופן שבו אנו משתמשים בהדמיה עצבית כדי לאבחן ולהבין את מחלת פרקינסון (PD).

באופן מסורתי, הדמיה קלינית התמקדה באישור אובדן דופמינרגי, לרוב באמצעות DAT-SPECT כדי להעריך את שלמות הניגרוסטריאטום. בעוד שטכניקה זו מדויקת ביותר לגילוי חסרים דופמינרגיים פרה-סינפטיים במחלת פרקינסון מבוססת [1], הדמיה דופמינרגית קונבנציונלית עם פרשנות חזותית ומדדים כמותיים למחצה כוללת מגבלות, במיוחד במחלה מוקדמת/פרודרומלית, מעקב אחר התקדמות, הבחנה בין מחלת פרקינסון לתסמונות פרקינסון אטיפיות, ולכידת ההטרוגניות הביולוגית של מחלת פרקינסון.

מחקר פרקינסון עובר כעת מתיאורים מבוססי תסמינים למסגרות מבוססות ביולוגיה [2,3]. טכניקות מתקדמות, כולל ניתוחי קישוריות מבנית ותפקודית; הדמיית מטבוליזם של גלוקוז במוח; וסמני MRI (למשל, הדמיה רגישה לנוירומלנין, MRI של דיפוזיה במים חופשיים וכו'), מציעים תובנות עמוקות יותר לגבי ניוון עצבי עדין על פני ספקטרום המחלות [4].

בינה מלאכותית פותחת אותות הדמיה נסתרים

שילוב בינה מלאכותית עם הדמיה נוירולוגית במחלת פרקינסון מציע יתרונות פוטנציאליים רבים [5-7]. הדמיה נוירולוגית מכילה מידע מבני, פונקציונלי ומולקולרי עשיר, שחלק ניכר ממנו עדין מדי לעין האנושית. בינה מלאכותית יכולה לחלץ ולשלב אותות אלה בקנה מידה גדול: 1) מודלים של למידה מפוקחת תומכים באבחון וחיזוי התקדמות; 2) למידה לא מפוקחת מזהה תת-סוגים בעלי משמעות ביולוגית; 3) למידה עמוקה מחלצת באופן אוטומטי דפוסים מרחביים ומרקמיים מורכבים.

בהדמיה דופמינרגית, מודלים של בינה מלאכותית השיגו דיוקים אבחנתיים של 90-97% בהבחנה בין מחלת פרקינסון לבין קבוצת ביקורת בריאה, ולעתים קרובות עולים בביצועיהם על מדדים מסורתיים למחצה כמותיים. גישות אלו יכולות לשפר את הרגישות לחסרים עדינים, לסייע באופן פוטנציאלי בסיווג מחדש של סריקות ללא חסרים דופמינרגיים (SWEDD) [8], ולהפחית את השונות הבין-צופים [9,10].

MRI רגיש לנוירומלנין הוא סמן מבטיח נוסף להערכת אובדן נוירונים דופמינרגיים בסובסטנציה ניגרה, אך מוגבל על ידי ניתוחי פילוח ידניים עתירי זמן. למידה עמוקה מאפשרת זיהוי מהיר, אוטומטי וניתן לשחזור של אובדן אות הקשור לנוירומלנין בסובסטנציה ניגרה במחלת פרקינסון [11].

¹⁸F-FDG PET יכול לשפר את ההבחנה בין פרקינסון לתסמונות פרקינסוניות אטיפיות על ידי לכידת שינויים מטבוליים בסטריאטום וגם מחוץ לסטריאטום. ניתוחים משופרים באמצעות בינה מלאכותית מדווחים כעת על רגישויות וספציפיות העולות על 90% בהבחנה בין פרקינסון לתסמונות פרקינסוניות אטיפיות [12,13].

MRI דיפוזי מספק מדד לא פולשני מבטיח של ניוון עצבי מיקרו-מבני. הדמיית מים חופשיים מכמתת שינויים ברקמות ובתאיים בתוך הסובסטנציה השחורה במחלת פרקינסון, ובאזורים נרחבים של חומר אפור ולבן בפרקינסונים אטיפיים [14-16]. במחלת פרקינסון, רמות גבוהות ועקביות של מים חופשיים בסובסטנציה השחורה האחורית הן סמן אבחוני והתקדמות חזק [14,15]. לאחרונה, למידת מכונה המיושמת על מדדי הדמיית מים חופשיים הוכחה כמבדילה במדויק בין פרקינסון לבין ניוון מערכתי מרובה מסוג פרקינסון (MSA-P) ושיתוק סופרנוקלרי מתקדם (PSP) [17,18]. שילוב בתהליכי עבודה של הדמיה קלינית נמצא כעת בעיצומו.

אתגרים והדרך קדימה

למרות ההבטחה שלה, בינה מלאכותית בהדמיה נוירולוגית של מחלת פרקינסון ניצבת בפני אתגרים רבים [5,12,19,20]. תוויות אבחון יכולות להיות רועשות. מערכי נתונים לרוב קטנים או הטרוגניים, ולמודלים רבים חסרים אימות חיצוני ופרשנות. נתונים אורכיים ופרודומליים נותרים מוגבלים. התקדמות עתידית תהיה תלויה בשיתופי פעולה גדולים ורב-מרכזיים עם פרוטוקולי הדמיה סטנדרטיים; שילוב רב-מודאלי של סמנים ביולוגיים של הדמיה, קליניים, גנטיים ודיגיטליים; ופיתוח מערכות בינה מלאכותית שקופות וניתנות לביקורת המתאימות לפריסה קלינית בטוחה.

בסופו של דבר, בינה מלאכותית אינה נועדה להחליף מומחיות קלינית. בשימוש מושכל, היא יכולה לשפר את הדיוק האבחוני, לאפשר התערבות מוקדמת יותר ולקרב את התחום לטיפול מותאם אישית במחלת פרקינסון.

כיצד הדמיה רב-מודאלית מסייעת בגילוי מוקדם ובמעקב אחר התקדמות המחלה במחלת פרקינסון?

סמנים ביולוגיים ממלאים תפקיד מרכזי בגילוי הפתופיזיולוגיה של מחלת פרקינסון. סמנים ביולוגיים, המוגדרים כאינדיקטורים מדידים של תהליכים ביולוגיים, יכולים לתמוך באבחון, פרוגנוזה, הערכת רגישות והערכת בטיחות טיפולית. סמנים ביולוגיים מבוססי הדמיה מציעים תובנות לגבי מנגנונים מעבר לתסמינים קליניים.

מודלים מסורתיים של אימות סמנים ביולוגיים מסתמכים על פנוטיפים קליניים - כגון תת-סוגים דומיננטיים ברעידות לעומת תת-סוגים של PIGD - כסטנדרט ייחוס. עם זאת, עובדה זו יוצרת הטיה, שכן פנוטיפים אינם לוכדים מספיק את ההטרוגניות הביולוגית של מחלת פרקינסון. המצגת מציגה ניגוד בין מודל זה למודל מונחה ביומרקרים ואגנוסטי לפנוטיפ, המיושר עם מסגרות מתפתחות המדגישות אותות מולקולריים על פני תוויות קליניות בהגדרת תת-קבוצות קוהרנטיות מבחינה ביולוגית.

המצגת סקרה מגוון רחב של שיטות דימות עצבי. טכניקות דופמינרגיות של PET ו-SPECT - כגון דימות F-DOPA, VMAT2 ו-DAT - מזהות ניוון ניגרוסטריאטלי פרה-סינפטי ותומכות באבחנה מבדלת בין תסמונות פרקינסון, כולל PSP ו-MSA. דימות PET מטבולי חושף כיצד שינויים מטבוליים מתפשטים על פני רשתות עצביות, ומקשר דפוסים מטבוליים לתפקוד מוטורי וקוגניטיבי.

דימות צפיפות סינפטית באמצעות נותבי PET של SV2A (למשל, 18F‑SynVesT‑1) מספק כימות in vivo של שלמות סינפטית ומדגיש פגיעות סינפטית מוקדמת בפרקינסונים ניווניים. סמנים מבוססי MRI - כולל דימות רגישות לנוירומלנין, MRI דיפוזי (למשל, מיפוי מים חופשיים), דימות רגישות לברזל (QSM, R2*) ומדדים מבניים כגון מדד פרקינסוניזם MR - מציעים כלים רבי עוצמה להערכת ניוון ניגרל, להבחנה בין תסמונות אטיפיות ולמעקב אחר התקדמות.

שיטות נוספות - כגון סינטיגרפיה של MIBG לבבי לשינויים אוטונומיים ו-TSPO PET לדלקת עצבית - מרחיבות את יכולות הסמנים הביולוגיים למערכות לא-דופמינרגיות ומערכות היקפיות, בהתאם למודלים רב-מערכתיים של פתולוגיה של פרקינסון.

מחלת פרקינסון היא הפרעה רב-מערכתית הדורשת אפיון ביולוגי משולב. אסטרטגיית הדמיה רב-מודאלית - בשילוב עם סיווג מחלה המונע על ידי סמנים ביולוגיים - תהיה חיונית לגילוי מוקדם יותר, שיפור האבחנה המבדלת, ניטור התקדמות המחלה ופיתוח טיפולים ממוקדים.

הרלוונטיות של הדמיית אלפא-סינוקלאין בסינוקליינופתיות

סינוקלאינופתיות כוללות מחלות שונות כגון מחלת פרקינסון, דמנציה עם גופי לוי ואטרופיה מרובה מערכות. הסימן הפתולוגי שלהן הוא צבירה של אלפא-סינוקלאין, והאבחנה המבדלת עדיין מבוססת בעיקר על מאפיינים קליניים, מה שמוביל לאבחון שגוי תכוף. לאחרונה הוצע סיווג מבוסס ביולוגיה, שבו סינוקלאין ממלא תפקיד מרכזי (אם כי לא תמיד קיים או הכרחי לאבחון), מה שמאפשר אבחון מוקדם ומדויק יותר, ובסופו של דבר מציע אפשרות להתערבות טיפולית מוקדמת בעתיד.

חלה התקדמות במחקר סמנים ביולוגיים בדגימות ביולוגיות מרובות, ובמהלך העשור האחרון, תחום ההדמיה נמצא תחת חקירה פעילה אחר נותבי אלפא-סין ספציפיים, אשר יכולים להציע את האפשרות של זיהוי אלפא-סין באופן in-vivo, לא פולשני.

פיתוח ליגנדים של PET המכוונים אל אלפא-סינוקלאין הוא מאתגר עקב השפע הנמוך של אלפא-סינוקלאין ברקמת המוח, מיקומו התוך-תאי והדמיון לחלבונים אחרים בעלי קיפול שגוי במצב הקונפורמציה שלהם. עם זאת, מספר נותבי מחקרים פוטנציאליים הנמצאים כעת במחקרים פרה-קליניים וקליניים שואפים להשיג זיקה וסלקטיביות מספקות, תוך מזעור קישור אל מחוץ למטרה.

המצגת דנה במספר תרכובות מועמדות, כולל [18F]C05-05 (1), [18F]SPAL-T-06 (2), [18F]ACI-12589 (3), [11C]MODAG-005 (4), ו-[18F]F0502B (5). מחקרים מוקדמים מצביעים על כך שחלק מהנותבי המחקר עשויים לזהות באופן עדיף פתולוגיית אלפא-סין ב-MSA, בהשוואה לסינוקליינופתיות אחרות, אך נדרש אימות נוסף.

מחקרים נוספים הם קריטיים לקידום הרפואה המדויקת, לאפשר ויזואליזציה של תהליכים פתולוגיים, לשיפור דיוק האבחון ולהתקדם לעבר גישה ממוקדת בחולה על מנת להשיג יישום של טיפולים משנים מחלה בסינוקלאינופתיות בעתיד.

 

 

הפניות

סעיף: כיצד בינה מלאכותית משמשת כיום בכלי הדמיה למחלת פרקינסון?

1. Hastings A, Cullinane P, Wrigley S, et al. אימות נוירופתולוגי ודיוק אבחוני של הדמיה דופמינרגית פרה-סינפטית באבחון פרקינסוניזם. נוירולוגיה. 11 ביוני 2024;102(11):e209453. doi:10.1212/WNL.0000000000209453
2. Hoglinger GU, Adler CH, Berg D, et al. סיווג ביולוגי של מחלת פרקינסון: קריטריוני האבחון של SynNeurGe. Lancet Neurol. פברואר 2024;23(2):191-204. doi:10.1016/S1474-4422(23)00404-0
3. Simuni T, Chahine LM, Poston K, et al. הגדרה ביולוגית של מחלת אלפא-סינוקלאין עצבית: לקראת מערכת משולבת של שלב במחקר. Lancet Neurol. פברואר 2024;23(2):178-190. doi:10.1016/S1474-4422(23)00405-2
4. Zarkali A, Thomas GEC, Zetterberg H, Weil RS. הדמיה נוירולוגית וסמנים ביולוגיים של נוזלים במחלת פרקינסון בעידן של התערבויות ממוקדות. Nat Commun. 5 ביולי 2024;15(1):5661. doi:10.1038/s41467-024-49949-9
5. דניס AP, סטרפלה AP. תפקידה של בינה מלאכותית ולמידת מכונה באבחון מחלת פרקינסון ופרקינסוניזם אטיפי. פרקינסוניזם Relat Disord. ספטמבר 2024;126:106986. doi:10.1016/j.parkreldis.2024.106986
6. גופטה ר', קומארי ס', סנפאטי א', אמבסטה ר.ק., קומאר פ'. עידן חדש של בינה מלאכותית וזיהוי, אבחון וטיפולים מבוססי למידת מכונה במחלת פרקינסון. Ageing Res Rev. ספטמבר 2023;90:102013. doi:10.1016/j.arr.2023.102013
7. Myszczynska MA, Ojamies PN, Lacoste AMB, ואחרים. יישומים של למידת מכונה לאבחון וטיפול במחלות ניווניות. Nat Rev Neurol. אוגוסט 2020;16(8):440-456. doi:10.1038/s41582-020-0377-8
8. Choi H, Ha S, Kang H, Lee H, Lee DS, הדמיית מוח של מחלת אלצהיימר I. למידה עמוקה רק באמצעות PET של מוח רגיל מזהה אנומליות מוחיות לא מוכרות. EBioMedicine. מאי 2019;43:447-453. doi:10.1016/j.ebiom.2019.04.022
9. Palumbo B, Fravolini ML, Buresta T, et al. דיוק אבחוני של מחלת פרקינסון על ידי ניתוח מכונת וקטור תמיכה (SVM) של נתוני SPECT מוחיים 123I-FP-CIT: השלכות של ממצאים פוטמינליים וגיל. Medicine (Baltimore). דצמבר 2014;93(27):e228. doi:10.1097/MD.0000000000000228
10. Martinez-Murcia FJ, Gorriz JM, Ramirez J, Moreno-Caballero M, Gomez-Rio M. פרמטריזציה של דפוסי מרקם בהדמיה 123I-ioflupane לגילוי אוטומטי של פרקינסוניזם. Med Phys. ינואר 2014;41(1):012502. doi:10.1118/1.4845115
11. גאורב ר', ולברג ר', יחיה-שריף ל', ואחרים. NigraNet: מסגרת אוטומטית להערכת תכולת נוירומלנין ניגרלי במחלת פרקינסון מוקדמת באמצעות רשת נוירונים קונבולוציונית. Neuroimage Clin. 2022;36:103250. doi:10.1016/j.nicl.2022.103250
12. ג'אנג ג'. כריית נתונים קליניים והדמיה באמצעות גישות למידת מכונה לאבחון וגילוי מוקדם של מחלת פרקינסון. NPJ Parkinsons Dis. 21 בינואר 2022;8(1):13. doi:10.1038/s41531-021-00266-8
13. Meyer PT, Frings L, Rucker G, Hellwig S. (18) F-FDG PET בפרקינסוניזם: אבחנה מבדלת והערכה של פגיעה קוגניטיבית. J Nucl Med. דצמבר 2017;58(12):1888-1898. doi:10.2967/jnumed.116.186403
14. Ofori E, Pasternak O, Planetta PJ, et al. עלייה בכמות המים החופשיים בחומר השחור של מחלת פרקינסון: מחקר באתר יחיד ומחקר רב-אתרי. Neurobiol Aging. פברואר 2015;36(2):1097-104. doi:10.1016/j.neurobiolaging.2014.10.029
15. Ofori E, Pasternak O, Planetta PJ, et al. שינויים אורכיים במים חופשיים בתוך הסובסטנציה השחורה של מחלת פרקינסון. Brain. אוגוסט 2015;138(Pt 8):2322-31. doi:10.1093/brain/awv136
16. Planetta PJ, Ofori E, Pasternak O, et al. הדמיית מים חופשיים במחלת פרקינסון ובפרקינסון אטיפי. Brain. פברואר 2016;139(Pt 2):495-508. doi:10.1093/brain/awv361
17. ארצ'ר ד.ב., בריקר ג'.ט., צ'ו וו.ט., ואחרים. פיתוח ותיקוף של בידול הדמיה אוטומטי בפרקינסון (AID-P): מחקר למידת מכונה רב-אתרי. Lancet Digit Health. ספטמבר 2019;1(5):e222-e231. doi:10.1016/s2589-7500(19)30105-0
18. Vaillancourt DE, Barmpoutis A, Wu SS, ואחרים. בידול הדמיה אוטומטי לפרקינסוניזם. JAMA Neurol. 1 במאי 2025;82(5):495-505. doi:10.1001/jamaneurol.2025.0112
19. גרסיה סנטה קרוז ב', הוש א', הרטל פ'. מודלים של למידת מכונה לאבחון ופרוגנוזה של מחלת פרקינסון באמצעות הדמיית מוח: סקירה כללית, אתגרים עיקריים וכיוונים עתידיים. Front Aging Neurosci. 2023;15:1216163. doi:10.3389/fnagi.2023.1216163
20. Shokrpour S, MoghadamFarid A, Bazzaz Abkenar S, Haghi Kashani M, Akbari M, Sarvizadeh M. למידת מכונה למחלת פרקינסון: סקירה מקיפה של מערכי נתונים, אלגוריתמים ואתגרים. NPJ Parkinsons Dis. 1 ביולי 2025;11(1):187. doi:10.1038/s41531-025-01025-9

סעיף: רלוונטיות של דימות אלפא-סינוקלאין בסינוקליינופתיות

1. Endo H, Ono M, Takado Y, Matsuoka K, Takahashi M, Tagai K, Kataoka Y, Hirata K, Takahata K, Seki C, ואחרים. הדמיית פתולוגיות של α-סינוקלאין במודלים של בעלי חיים וחולים עם פרקינסון ומחלות קשורות. Neuron. 2024;112(15):2540–2557.e8. doi: 10.1016/j.neuron.2024.05.006
2. 2. מטסואוקה, ק., אונו, מ., טקאדו, י., היראטה, ק., אנדו, ה., אוהפוסה, ט., קוג'ימה, ט., יאמאמוטו, ט., אונישי, ט., אוריהארה, א., טגאי, ק., טקהאטה, ק., סקי, צ., שינוטו, ה., קוומורה, ק., שימיזו, ה., שימאדה, ה., קקיטה, א., ג'אנג, מ.-ר., סוהרה, ט. והיגוצ'י, מ. (2022), הדמיה בניגודיות גבוהה של פתולוגיות α-סינוקלאין בחולים חיים עם ניוון מערכתי מרובה. Mov Disord, 37: 2159-2161
3. 3. סמית', ר', קפוטוסטי, פ', שיין, מ' ואחרים. נותב ה-α-סינוקלאין PET [18F] ACI-12589 מבדיל בין ניוון מערכתי מרובה לבין מחלות ניווניות אחרות. Nat Commun 14, 6750 (2023)
4. 4. Saw R, Buss S, Schmidt F, Ryazanov S, Leonov A, Bleher D, Gotegerd A, Kuebler L, Roben B, Schmidt F, Reimold M, Bonanno F, Ruf V, Dahl B, Sandiego C, Henry K, Papadopoulos I, Schaller M, Kahle P, Levin J, Gasser T, Brockmann K, Reischl G, Fougere C, Pichler B, Maurer A, Griesinger G, Giese A, Herfert K. REsearch Square, 2024 (הדפסה מוקדמת)
5. 5. שיאנג ג', טאו י', שיה י', לואו ס', ז'או ק', לי ב', ג'אנג ש', סאן י', שיה וו', ג'אנג מ', קאנג ס"ס, אהן א"ה, ליו ש', שיה פ', גואן י', יאנג ג'יי ג'יי, בו ל', וו ש', וואנג ש', קאו ש', ליו צ', ג'אנג ז', לי ד', יה ק'. פיתוח מכשיר מעקב אחר טומוגרפיה של פליטת פוזיטרונים באמצעות α-סינוקלאין להדמיית סינוקליינופתיות. Cell. 3 באוגוסט 2023;186(16):3350-3367.e19