Estudo da UCL sugere dois subtipos distintos de esclerose múltipla

Um novo estudo liderado por cientistas do University College London (UCL) indica que poderão existir dois subtipos distintos de esclerose múltipla. A confirmar-se em investigações futuras, esta distinção poderá permitir que os médicos ofereçam cuidados mais especializados aos doentes.

O que o estudo da UCL analisou (aprendizagem automática, análises ao sangue e RM)

Para chegar a estas conclusões, a equipa recorreu à aprendizagem automática para examinar informação proveniente de análises ao sangue e de exames de ressonância magnética (RM) ao cérebro de 634 participantes, integrados em dois ensaios clínicos diferentes. Modelos de aprendizagem automática são treinados para identificar padrões subtis que, muitas vezes, passam despercebidos a olho humano.

Nas análises ao sangue, os investigadores procuraram uma proteína chamada cadeia leve de neurofilamentos no soro (sNfL), um biomarcador conhecido em doenças do sistema nervoso, incluindo a esclerose múltipla (EM).

Em paralelo, as RM avaliaram lesões, danos e outras alterações em várias regiões cerebrais. Na EM, o sistema imunitário ataca por engano a bainha protectora que envolve as células nervosas, originando lesões que perturbam a comunicação entre nervos.

Ao cruzar os resultados das análises e as imagens de RM, o modelo conseguiu agrupar os doentes em subtipos separados.

Dois subtipos de esclerose múltipla: “early-sNfL” e “late-sNfL”

Os participantes classificados como “early-sNfL” apresentavam níveis elevados desta proteína numa fase mais precoce e, ao mesmo tempo, sinais de dano no corpo caloso - a estrutura que liga os hemisférios esquerdo e direito do cérebro. Este subtipo pareceu ser mais agressivo, com desenvolvimento mais rápido de lesões cerebrais do que noutros doentes.

O segundo padrão foi designado “late-sNfL” e aparentou evoluir de forma mais lenta. Neste grupo, os primeiros sinais observados foram a redução (encolhimento) do córtex límbico e da substância cinzenta situada em regiões profundas do cérebro. Só mais tarde é que os níveis de sNfL no soro começaram a aumentar.

“By using an AI model combined with a highly available blood marker with MRI, we have been able to show two clear biological patterns of MS for the first time,” afirma Arman Eshaghi, neurocientista do UCL e cofundador da Queen Square Analytics, uma empresa spin-off envolvida na investigação.

“ This will help clinicians understand where a person sits on the disease pathway and who may need closer monitoring or earlier, targeted treatment.”

O modelo de aprendizagem automática foi treinado com dados de 189 doentes com diferentes formas de EM (esclerose múltipla com surtos e remissões ou EM secundariamente progressiva) e, depois, testado em mais 445 pessoas com diagnóstico recente.

Porque a sNfL pode ser útil - e porque a RM, por si só, não chega

Os neurofilamentos são proteínas que dão suporte aos neurónios no sistema nervoso central e periférico e, em pessoas saudáveis, têm uma renovação relativamente lenta. Contudo, na neurodegeneração, estas proteínas são libertadas para fluidos corporais a um ritmo superior, o que as torna candidatas a biomarcadores em doenças e perturbações do sistema nervoso.

Ainda assim, no soro sanguíneo a diferença é bastante subtil, o que dificulta a sua utilização no diagnóstico. As RM também conseguem evidenciar padrões de disseminação da EM, mas não captam os detalhes específicos dos mecanismos da doença.

Segundo os autores, ao integrar os níveis de neurofilamentos com outros dados - como os de RM - estas medições tornam-se mais informativas.

“By adding sNfL, an established indicator of neuroaxonal injury, we have advanced beyond the structural snapshot provided by MRI alone,” concluem os investigadores.

Actualmente, a EM é classificada e tratada com base nos sintomas e no ritmo de progressão, uma abordagem que não reflecte necessariamente os mecanismos subjacentes. A equipa defende que, se a técnica combinada for validada em estudos adicionais, poderá ajudar os médicos a recomendar tratamentos mais adequados.

A investigação foi publicada na revista Brain.