测试一种新药是否会影响帕金森病的进展需要数年时间，部分原因是这种疾病的进展通常非常缓慢。在典型的临床试验过程中，许多帕金森病患者的症状没有任何恶化，即使没有治疗。
现在，斯克里普斯研究中心的科学家们开发了一种工具，可以分析帕金森病患者的遗传和临床数据，以预测谁最有可能快速进步。他们说，在npj 帕金森病中描述的这种方法将使临床研究人员能够选择风险最高的患者，并设计更短、更强大的试验来评估帕金森病的药物。
资深作者、基因组学和基因组信息学教授兼主任 Ali Torkamani 博士说：“如果临床医生能够只参加那些预计会进展的患者参加试验，他们就能获得更快的结果并更快地推动这一领域的发展。”在斯克里普斯研究转化研究所。
帕金森病是一种进行性神经系统疾病，在美国影响着大约 100 万人。最早的症状通常是几乎不明显的震颤，并且在多年的过程中，疾病会发展，最终影响运动、姿势、面部表情、言语和饮食，并导致疼痛和痴呆。
然而，这些症状恶化的顺序和速度因人而异。例如，在一年内，许多患者不会变得更糟，这使得研究药物在减缓这种进展方面的有效性变得困难且耗时。
Torkamani 与 Scripps Research 的同事和武田的合作者——他们正在开发研究性帕金森病治疗——着手更好地预测考虑纳入临床研究以减缓这种疾病的患者的这种短期进展。
他们分析了加入两个现有队列——帕金森病进展标志物倡议和帕金森病生物标志物计划的患者在 12、24 和 36 个月内的进展。总之，该团队使用了 879 名患者的数据，包括遗传学、临床检查信息、脑部扫描和治疗。
总体而言，在研究的前 12 个月中，发现 529 名患者是“进展者”，他们的症状明显恶化，而 350 人被归类为“非进展者”。Torkamani 的小组使用机器学习方法开发了一个模型，该模型可以以 77% 的准确率预测患者属于哪个组。
“这种模型通过结合综合疾病分析的不同方面来发挥作用，”托卡马尼说。“遗传风险因素是最有力的预测因素，但其他因素也很重要。”