Mild til moderat astma kan diagnosticeres med en simpel næsetest

Forskere ved Mount Sinai Hospital i New York har identificeret en genetisk biomarkør for astma, der kan hjælpe til at diagnosticere astma med en simpel næsebørste og efterfølgende dataanalyser. Denne billige diagnostiske test kan identificere mild til moderat astma og differentiere sygdommen fra andre respiratoriske tilstande.

Den mest almindelige test for astma er spirometri, der måler, hvor meget og hvor hurtigt, luft kan pustes ud af lungerne, samt provokationstest med midlet metakolin, som – når det inhaleres – kan fremprovokere kramper i luftvejene og få bronkierne til at trække sig sammen, hvis patienten har astma.

Alligevel kan der være tvivl om, hvorvidt patienten lider af astma, da de to diagnoseværktøjer ikke altid kan skelne mellem astma og andre respiratoriske tilstande.

Disse problematikker kan nu være fortid, da en gruppe forskere fra Icahn School of Medicine ved Mount Sinai Hospital, NY, har identificeret en genetisk biomarkør for astma, der kan testes ved brug af en simpel næsebørste og efterfølgende dataanalyser.

Denne billige diagnostiske test kan nøjagtigt identificere mild til moderat astma og differentiere den fra andre åndedrætssygdomme som allergisk rhinitis, øvre luftvejsinfektioner og cystisk fibrose. 

”Mild til moderat astma kan være svært at diagnosticere, fordi symptomerne ændrer sig over tid og kan kompliceres af andre åndedrætsproblematikker,” forklarer Dr. Supinda Bunyavanich, læge og forsker ved Icahn School of Medicine.

”Vores næsebørste-test indsamler materialet på nogle sekunder, hvilket kan være en stor hjælp for både læger og for patienterne, som får en tidlig og præcis diagnose.”

Samarbejde på tværs af faglighed

Gruppen, der har introduceret den nye måde at diagnosticere astma på, består af forskere fra den biomedicinske- og datatekniske ”verden”, som i fællesskab har fået dataalgoritmer, genetisk RNA data og næsebørster til at gå op i en højere enhed.

Forskerne har ved hjælp af systemer og en god portion eksempeldata fået computere til at udforme en algoritme (maskinlæring), der peger på en 90-gen biomarkør, som tyder på astmastatus hos patienten.

”Et af de mest spændende resultater i denne undersøgelse er styrken af maskinlæring, når den anvendes sammen med biomedicinske data,” fremhæver Dr. Gaurav Pandey, som ledede den datavidenskabelig indsats i forbindelse med udviklingen af biomarkøren, han fortsætter:

”Samarbejdet mellem databehandlingsforskere, biomedicinske forskere og klinikere fremmer udviklingen af medicin i et inspirerende tempo - vi har en hel anden form for indsigt, som vi ikke havde tidligere, og det åbner et vindue til en helt ny verden af ​​diagnostiske værktøjer og behandlinger.”

Lignende genetiske biomarkørtests anvendes i øjeblikket på andre sygdomsområder, herunder MammaPrint og Oncotype DX, der begge anvendes til bestemte typer brystkræftprognoser. Oncotype DX blev anvendt i det største kliniske forsøg med personlig brystkræftprognose, der nogensinde er udført, hvilket viser, at mammografi-testning er unødvendig for at diagnosticere brystkræft hos en stor del af patientgruppen. De positive kliniske konsekvenser af biomarkørstest som denne, viser et stort potentiale for yderligere diagnostiske værktøjer baseret på biomarkører.

Næste skridt for at få næsetesten videre ud i praksis, er en undersøgelse af en større patientpopulation.

”Med en validering i store kohorter kan vores astma biomarkør føre til udvikling af en mindre invasiv astmatest, der kan lette diagnosen ude i praksis,” slutter Dr. Bunyavanich.