584 தானம் செய்யப்பட்ட மூளைகளில் அல்சைமர் நோயின் வெளிப்புறத் தோற்றங்களை AI வரைபடமாக்குகிறது

அல்சைமர் நோய் மருத்துவத்தின் மிகக் கடினமான புதிர்களில் ஒன்றாகும். இரண்டு நோயாளிகள் ஒரே கண்டறிதலைக் கொண்டிருக்கலாம், அதே நினைவக சோதனைகளில் ஒரே மாதிரியான மதிப்பெண்களைப் பெறலாம், ஆனால் எந்த மூளை செல்கள் முதலில் தடுமாறுகின்றன, எந்த மூலக்கூறு பாதைகள் தவறாகச் செல்கின்றன, மற்றும் சரிவு எவ்வளவு விரைவாக வருகிறது என்பதில் பெரிதும் வேறுபடலாம். செப்டம்பர் 23, 2026 அன்று Nature Medicine-இல் ஆன்லைனில் வெளியிடப்பட்ட ஒரு ஆய்வு, செயற்கை நுண்ணறிவு அந்த மாறுபாட்டை முந்தைய முறைகள் அடைய முடியாத அளவில் புரிந்துகொள்ள உதவ முடியும் என்று வாதிடுகிறது.

"AI-based characterization of Alzheimer's disease phenotypes from population-scale single-cell data" என்ற தலைப்பிலான இந்த ஆய்வறிக்கை, 584 மூளை தானம் செய்தவர்களை உள்ளடக்கிய ஒரு குழுவிலிருந்து — அல்சைமர் நோய் உள்ள நோயாளிகள் மற்றும் ஒப்பீட்டு தானம் செய்தவர்கள் அடங்கும் — பெறப்பட்ட ஒற்றை-செல் அளவீடுகளுக்கு இயந்திரக் கற்றல் பகுப்பாய்வைப் பயன்படுத்துகிறது. விவரிக்க எளிதானது, செயல்படுத்த கடினமானது என்ற இலக்கு இதுவாகும்: அல்சைமரை ஒரே மாதிரியான ஒரு நிலையாகக் கருதுவதற்குப் பதிலாக, தனிப்பட்ட செல்களின் மூலக்கூறு விவரக்குறிப்புகளை அடையாளம் காணக்கூடிய நோய் வெளிப்புறத் தோற்றங்களாக வகைப்படுத்த கணினி முறைகளைப் பயன்படுத்துதல்.

மொத்த மூளை திசு ஏன் படத்தை மங்கலாக்குகிறது

அல்சைமர் ஆராய்ச்சியின் வரலாற்றின் பெரும்பகுதியில், விஞ்ஞானிகள் மூளை திசுவை மொத்தமாக ஆய்வு செய்துள்ளனர். பெருமூணையின் ஒரு பகுதியை அரைத்து, மில்லியன் கணக்கான செல்களில் ஆயிரக்கணக்கான மரபணுக்களின் சராசரி செயல்பாட்டை அளந்தால், தெளிவான, மீளுருவாக்கக்கூடிய ஒரு எண்ணைப் பெறுவீர்கள். ஆனால் ஒரு சராசரி என்பது ஒரு சுற்றுப்புறத்தின் மோசமான விவரிப்பாகும். ஒரு சிறிய நோய் எதிர்ப்பு செல் தொகுதி ஒரு அழற்சி பதிலை எழுப்பும்போது, பெரும்பாலான நியூரான்கள் வெறுமனே தங்கள் வேலையைச் செய்கின்றன என்றால், அந்த சமிக்ஞை கண்ணுக்குத் தெரியாத அளவுக்கு நீர்த்துப்போகலாம். அதே பிரச்சினை எதிர் திசையிலும் இயங்குகிறது: மிக அதிகமாக உள்ள செல் வகையால் ஆதிக்கம் செலுத்தப்படும் ஒரு அளவீடு, மற்ற அனைத்தின் நடத்தையையும் மறைக்க முடியும்.

ஒற்றை-செல் தொழில்நுட்பங்கள் கணக்கீட்டை மாற்றின. ஒரு மூளைப் பகுதிக்கு ஒரு அளவீட்டுக்குப் பதிலாக, ஆராய்ச்சியாளர்கள் இப்போது ஆயிரக்கணக்கான தனிப்பட்ட செல்கள் அல்லது கருக்களில் ஒரே நேரத்தில் மரபணு செயல்பாட்டைப் பிடிக்க முடியும், ஒவ்வொன்றுக்கும் ஒரு மூலக்கூறு அடையாளத்தை அளிக்கிறது. இதன் விளைவு ஒரு ஒற்றை வளைவு அல்ல, மாறாக செல்கள் மற்றும் மரபணுக்களின் ஒரு பரந்த, அரிதான அணி — அதன் மிகப்பெரிய அளவே இயந்திரக் கற்றலைக் கவர்ச்சிகரமானதாக ஆக்குகிறது.

உரையாடலை ஆதிக்கம் செலுத்தும் செல் வகைகள்

• நியூரான்கள் நினைவகம் சார்ந்த மின் மற்றும் சினாப்டிக் இயந்திரத்தைச் சுமக்கின்றன, மேலும் வெவ்வேறு மூளைப் பகுதிகளில் அவற்றின் தேர்ந்தெடுக்கப்பட்ட பாதிப்பு இந்த நோயின் ஒரு வரையறுக்கும் அம்சமாகும்.
• ஆஸ்ட்ரோசைட்டுகள் நியூரோனல் வளர்சிதை மாற்றத்தை ஆதரிக்கின்றன மற்றும் இரத்த-மூளை தடையை பராமரிக்க உதவுகின்றன, மேலும் அவை சுற்றியுள்ள திசுக்களைப் பாதுகாக்கும் அல்லது தீங்கு விளைவிக்கும் எதிர்வினை நிலைகளுக்கு மாறலாம்.
• மைக்ரோக்ளியா மூளையின் வசிப்பிட நோய் எதிர்ப்பு செல்கள்; அவற்றின் செயல்படுத்தும் நிலைகள் அல்சைமர் ஆராய்ச்சியில் மிக அதிகம் ஆய்வு செய்யப்பட்ட மாறிகளில் ஒன்றாகும்.
• ஒலிகோடென்ட்ரோசைட்டுகள் மற்றும் அவற்றின் முன்னோடிகள் அச்சுகளை மயிலினில் சுற்றுகின்றன, மேலும் வெள்ளைப் பொருள் ஆதரவில் ஏற்படும் மாற்றங்கள் நரம்பு சுற்றுகள் எவ்வளவு விரைவாக தொடர்பு கொள்கின்றன என்பதை மாற்றலாம்.
• வாஸ்குலர் மற்றும் தடை செல்கள் மூளையின் இரத்த விநியோகத்தை வரிசைப்படுத்துகின்றன, அங்கு கசிவு மற்றும் பலவீனமான அகற்றல் பொறிமுறைகள் நோய் முன்னேற்றத்தில் நீண்ட காலமாக தொடர்புடையவை.

AI உண்மையில் என்ன பங்களிக்கிறது

ஒரு தரவுத்தொகுப்பில் நூறாயிரக்கணக்கான செல்கள் இருந்தால், ஒவ்வொன்றும் ஆயிரக்கணக்கான மரபணுக்களால் விவரிக்கப்பட்டால், எந்த மனிதரும் அதை கண்ணால் பார்க்க முடியாது. அந்த பரிமாணத்தை சுருக்கவும், ஒத்த விவரக்குறிப்புகளைக் கொண்ட செல்களை குழுவாக்கவும், வழக்கமான வகைகளை கடந்து செல்லும் கட்டமைப்பைத் தேடவும் இயந்திரக் கற்றல் முறைகள் பயன்படுத்தப்படுகின்றன — எடுத்துக்காட்டாக, இரண்டு அறியப்பட்ட வகைகளுக்கு இடையில் அமர்ந்திருக்கும் செல் நிலைகள், அல்லது நூற்றுக்கணக்கான நபர்களை ஒரே நேரத்தில் ஒப்பிடும்போது மட்டுமே வெளிப்படும் தானம் செய்தவர் அளவிலான வடிவங்கள்.

ஆய்வறிக்கையின் தலைப்பில் உள்ள "வகைப்படுத்துதல்" என்ற சொல் முக்கியமானது. இது ஒரு கண்டறியும் சோதனையை உருவாக்கியதாக ஒரு கூற்று அல்ல, அல்சைமர் நோய் உருவாகும் என யாருக்கு என்று ஒரு மாதிரி கணிக்க முடியும் என்ற ஒரு வாக்குறுதியும் அல்ல. இது விவரண மற்றும் ஒழுங்கமைப்பு வேலை: மிகவும் பன்முகத்தன்மை வாய்ந்த ஒரு நோயை எடுத்து, அதன் மூலக்கூறு வெளிப்பாடு பெயரிடக்கூடிய, ஒப்பிடக்கூடிய, இறுதியில் இலக்கு வைக்கக்கூடிய ஒரு சிறிய எண்ணிக்கையிலான ஒத்திசைவான வெளிப்புறத் தோற்றங்களாக தீர்கிறதா என்று கேட்பது.

584 மூளை தானம் செய்தவர்களின் எடை

மனித மூளை திசு ஒரு அரிய வளம். தானம் திட்டங்களுக்கு குடும்பங்கள், மருத்துவர்கள் மற்றும் நோயியல் நிபுணர்களுடன் பல ஆண்டுகள் ஒருங்கிணைப்பு தேவைப்படுகிறது, மேலும் ஒவ்வொரு மாதிரியும் அதன் சொந்த வயது, மரபணு, மருந்து மற்றும் மரணத்திற்குப் பிந்தைய இடைவெளி வரலாற்றுடன் வருகிறது. எனவே 584 தானம் செய்தவர்களைக் கொண்ட ஒரு குழுவை ஒன்றுசேர்ப்பது அதன் சொந்த உரிமையில் ஒரு கணிசமான தளவாட சாதனையாகும், மேலும் ஒரு சிறிய மாதிரியால் முயற்சிக்க முடியாத ஒன்றை இந்த ஆய்வு ஏன் முயற்சிக்க முடியும் என்பதைக் குறிக்கும் தலைப்பில் உள்ள "மக்கள்தொகை அளவிலான" என்ற சொற்றொடர் இதுவாகும்.

அளவு புள்ளிவிவர சக்தியை வாங்குகிறது. அரிய செல் நிலைகள், ஒரு செல் வகையின் விகிதத்தில் மற்றொன்றுடன் ஒப்பிடும்போது நுட்பமான மாற்றங்கள், மற்றும் மரபணு ஆபத்துக்கும் செல் நடத்தைக்கும் இடையிலான தொடர்புகள் அனைத்தும் போதுமான தானம் செய்தவர்களை ஒப்பிடும்போது மட்டுமே கண்டறியக்கூடியதாகின்றன. இது இயந்திரக் கற்றல் ஆய்வுகளுக்குத் தேவையான உள் மீளுருவாக்கத்தையும் சாத்தியமாக்குகிறது: தானம் செய்தவர்களின் ஒரு துணைக்குழுவில் காணப்படும் ஒரு வடிவத்தை, அது உண்மையானது என்று யாரும் கூறுவதற்கு முன்பு மற்றொரு துணைக்குழுவுக்கு எதிராக சோதிக்க முடியும்.

ஒரு ஒற்றை லேபிளை விட வெளிப்புறத் தோற்றங்கள் ஏன் முக்கியம்

அல்சைமர் மருந்து உருவாக்கம் ஒரு நோய்க்கு ஒரு பொறிமுறை மற்றும் ஒரு சிகிச்சை தேவை என்ற அனுமானத்தால் வடிவமைக்கப்பட்டுள்ளது. அந்த அனுமானம் பல தசாப்தங்களாக விலையுயர்ந்த ஏமாற்றத்தை உருவாக்கியுள்ளது. இந்த நிலை உண்மையில் தொடர்புடைய ஆனால் வேறுபடுத்தக்கூடிய மூலக்கூறு வெளிப்புறத் தோற்றங்களின் ஒரு குடும்பமாக இருந்தால், அனைத்து நோயாளிகளிலும் விளைவுகளை சராசரியாக்குவது ஒரு துணைக்குழுவில் உண்மையான நன்மைகளை மறைக்கலாம் — மேலும் தவறான உயிரியலை நோக்கமாகக் கொண்ட ஒரு சிகிச்சையின் பக்க விளைவுகளுக்கு நோயாளிகளை சமமாக வெளிப்படுத்தலாம்.

வெளிப்புறத் தோற்றம்-முதல் சிந்தனை புற்றுநோயியலில் புதியது அல்ல, அங்கு சிகிச்சை தேர்வுக்கு முன் கட்டி விவரக்குறிப்பு நிலையான நடைமுறையாகும். இந்த ஆராய்ச்சிப் பாதை முன்வைக்கும் கேள்வி என்னவென்றால், நரம்பு சிதைவை அதே வழியில் அணுக முடியுமா, ஒரு நோயாளி யார் என்பதை வரையறுக்க மருத்துவ அறிகுறிகளை மட்டும் விட செல்லுலார் மற்றும் மூலக்கூறு கையொப்பங்களைப் பயன்படுத்தி.

வரம்புகள் மற்றும் திறந்த கேள்விகள்

மரணத்திற்குப் பிந்தைய திசு ஒரு நொடிப்படத்தை வழங்குகிறது, பெரும்பாலும் ஒரு நீண்ட நோயின் முடிவில் எடுக்கப்படுகிறது. மேம்பட்ட நோயுடன் எந்த செல்லுலார் நிலைகள் சேர்ந்துள்ளன என்பதை இது வெளிப்படுத்த முடியும், ஆனால் எந்த மாற்றங்கள் முதலில் வந்தன அல்லது எவை விளைவுகளை விட காரணங்கள் என்பதை எளிதில் நிறுவ முடியாது. தானம் செய்தவர் குழுக்கள் ஆராய்ச்சியாளர்களுக்கு நன்கு தெரிந்த வழிகளில் சாய்ந்துள்ளன: மூளைகளை தானம் செய்பவர்கள் மக்கள்தொகையின் ஒரு சீரற்ற மாதிரி அல்ல, மேலும் நோயே அதன் மூல காரணத்துடன் தொடர்பில்லாத வழிகளில் செல்லுலார் விவரக்குறிப்புகளை மாற்றலாம்.

சிக்கலான உயிரியலுக்கு சக்திவாய்ந்த மாதிரிகளைப் பயன்படுத்துவதில் பரிச்சயமான ஆபத்தும் உள்ளது. இயந்திரக் கற்றல் தொழில்நுட்ப கலைப்பொருட்களை — மாதிரிகள் எவ்வாறு செயலாக்கப்பட்டன, அல்லது செல்கள் எவ்வாறு வரிசைப்படுத்தப்பட்டன என்பதில் உள்ள வேறுபாடுகள் — நோயை விட பிரதிபலிக்கும் கட்டமைப்பைக் கண்டறிய முடியும். தனித்தனி குழுக்களில் சுயாதீன மீளுருவாக்கம், மற்றும் நிரப்பு முறைகளுடன் சரிபார்ப்பு, ஒரு கவர்ச்சிகரமான வடிவத்தை ஒரு நீடித்த கண்டுபிடிப்பிலிருந்து பிரிப்பது இதுவாகும்.

அடுத்து கவனிக்க வேண்டியவை

• மீளுருவாக்கம்: அதே வெளிப்புறத் தோற்றங்கள் சுயாதீன தானம் செய்தவர் தொகுப்புகளிலும், இரத்தம் அல்லது மூளை-முதுகுத் திரவம் மூலம் மாதிரி எடுக்கப்பட்ட உயிருள்ள நோயாளிகளிலும் மீண்டும் தோன்றுகின்றனவா.
• இடஞ்சார்ந்த சூழல்: பிரிக்கப்பட்ட திசுவில் அடையாளம் காணப்பட்ட செல் நிலைகள் அவற்றின் இயற்பியல் சுற்றுப்புறங்களுக்கு மீண்டும் வரைபடமாக்க முடியுமா, ஏனெனில் இடம் செயல்பாட்டை வடிவமைக்கிறது.
• மருத்துவ மொழிபெயர்ப்பு: ஏதேனும் வெளிப்புறத் தோற்றம் முன்னேற்றத்தில் அல்லது சிகிச்சைக்கான பதிலில் அளவிடக்கூடிய வேறுபாட்டிற்கு ஒத்திருக்கிறதா.
• தரவு பகிர்வு: அடிப்படை செல்லுலார் தரவு மற்ற குழுக்கள் மீண்டும் பயன்படுத்தக்கூடிய வடிவத்தில் வெளியிடப்படுகிறதா, இது இந்தத் துறை எவ்வளவு விரைவாக முடிவை அடிப்படையாகக் கொண்டு உருவாக்க முடியும் என்பதை தீர்மானிக்கிறது.

ஆய்வின் வெளியிடப்பட்ட சுருக்கம் வேண்டுமென்றே சுருக்கமானது, மேலும் உள்ளடக்கமான விவரம் — எந்த வெளிப்புறத் தோற்றங்கள் வெளிப்பட்டன, அவை எவ்வளவு நிலையானவை, மற்றும் அவை தற்போதுள்ள மரபணு மற்றும் நோயியல் குறிப்பான்களுடன் எவ்வாறு தொடர்புடையவை — முழு ஆய்வறிக்கையில் உள்ளது. சுருக்கம் நிறுவுவது இந்த முயற்சியின் வடிவம்: ஒரு ஒற்றை, மழுங்கிய அல்சைமர் லேபிளை மிகவும் துல்லியமான செல்லுலார் விவரிப்பால் மாற்றுவதற்கான AI-இயக்கப்படும் முயற்சி, ஒரு தசாப்தத்திற்கு முன்பு சாத்தியமில்லாத அளவில் பயன்படுத்தப்படுகிறது. அந்த விவரிப்பு நிலைத்திருக்குமா என்பது மீளுருவாக்கத்தால் தீர்மானிக்கப்படும், மாதிரியின் நேர்த்தியால் அல்ல.

இந்தக் கட்டுரை Nature Medicine-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.