Μία σπουδαία επιστημονική ανακάλυψη η οποία βραβεύτηκε με 160.000 δολάρια έκανε Έλληνας επιστήμονας. Ο Γιάννης Πετρόπουλος, που εργάζεται σήμερα ως science portfolio advisor στο Welcome Trust της Βρετανίας, βρήκε πώς ανώδυνα, αναίμακτα, μη επεμβατικά και μόλις σε 3 λεπτά μπορούμε να προβλέψουμε είτε την εκδήλωση είτε την εξέλιξη σε κάποιες νόσους που έχουν νευρολογικό υπόβαθρο.
Αυτό σημαίνει ότι μπορούμε να παρέμβουμε άμεσα και να έχουμε πολύ καλύτερο θεραπευτικό αποτέλεσμα. Άλλωστε για όλες τις ασθένειες όσο νωρίτερα γίνεται η διάγνωση, τόσο καλύτερα εξελίσσεται και η θεραπεία.
Η βράβευση του κ. Πετρόπουλου έγινε στο πλαίσιο του 32ο Συνεδρίου της Ευρωπαϊκής Επιτροπής για την Αντιμετώπιση και την Ερευνα στη Σκλήρυνση κατά Πλάκας. Συνολικά δόθηκαν τέσσερα παγκόσμια βραβεία από την φαρμακευτική εταιρεία Merck και τα ποσά θα δοθούν στην έρευνα και ανάπτυξη των μεθόδων που πρότεινε ο κάθε επιστήμονας ή ομάδα.
Ο ίδιος μίλησε στα «ΝΕΑ» για την ιδέα, τη σημαντικότητα της ανακάλυψης αλλά και το τί πρόκειται να γίνει στο μέλλον.
Ποια ήταν η ιδέα που βραβεύτηκε στον διαγωνισμό;
Η ιδέα είχε ξεκινήσει από το 2000 σε συνεργασία με τον Πάνο Καλλίνικο, ο οποίος βρίσκεται σήμερα και εργάζεται σε ιδιωτική επιχείρηση στην Αθήνα και τον καθηγητή Ρέιζ Μάλιγκ από το Πανεπιστήμιο του Κορνέλ στις ΗΠΑ.
Ως ομάδα δημιουργήσαμε ένα πρόγραμμα για την αντιμετώπιση νευρολογικών παθήσεων και των επιπλοκών τους, το οποίο δυντικά καλύπτει και τη Σκλήρυνση κατά Πλάκας, αφού είναι καθαρά νευρολογική νόσος. Στην πραγματικότητα ασχολούμαστε με τον νευροπαθητικό πόνο και τις δομικές βλάβες με ή χωρίς πόνο.
Ποια ήταν η νόσος που μελετήσατε πρώτα και πώς εξελίχθηκε η ιδέα στη Σκλήρυνση κατά Πλάκας;
Ξεκινήσαμε στο Πανεπιστήμιο του Μάντσεστερ με τη διαβητική νευροπάθεια που προκαλεί σοβαρά προβλήματα έως και ακρωτηριασμούς στα πόδια. Η ιδέα ήταν να ανακαλύψουμε μία μέθοδο που ήταν θα έδινε άμεσα αποτελέσματα, θα ήταν οικονομική, ακριβής και χωρίς επιπλοκές για τον ασθενή. Η μόνο εξέταση που υπήρχε ήταν η βιοψία, που δεν ενδείκνυται όμως στους διαβητικούς για πολλούς λόγους. Αυτό που κάναμε ήταν να χρησιμοποιήσουμε ένα ειδικό μικροσκόπιο το οποίο σκανάρει τον κερατοειδή και ελέγχει το νευρικό πλέγμα του. Επειδή είναι τα ίδια με τα νεύρα που έχουμε στα πόδια μας, είδαμε ότι υπάρχει συσχέτιση δομικών βλαβών στα νεύρα και εκδήλωσης δυσλειτουργίας. Αυτό που ανακαλύψαμε είναι ότι σε μεγάλο βαθμό η κατάσταση των νεύρων στα μάτια σχετίζεται άμεσα με τις βλάβες στα πόδια που προκαλούν το λεγόμενο διαβητικό πόδι. Άρα μπορούμε να προλάβουμε το διαβητικό πόδι με μία απλή εξέταση στο μάτι.
Τι μπορείτε δηλαδή να δείτε στο μάτι και να προβλέψετε την εξέλιξη σε μία τόσο σοβαρή νόσο;
Με το μικροσκόπιο μπορούμε να δούμε ξεκάθαρα ότι αρκετά νεύρα από το πλέγμα που υπάρχει στο μάτι είναι μειωμένα ή εάν παρακολουθούμε κάποιον ασθενή, βλέπουμε ότι αρχίζουν και εξαφανίζονται. Όσο λοιπόν τα νεύρα εξαφανίζονται, τόσο περισσότερα ή πιο έντονα συμπτώματα εκδηλώνει ο ασθενής. Βλέπουμε επίσης σε νέους ασθενείς όσα περισσότερα νεύρα έχουν στο μάτι, τόσο λιγότερα συμπτώματα να εμφανίζουν και όσο μειώνονται τα νεύρα προοδευτικά, τόσο να αυξάνονται τα συμπτώματα της νόσου.
Και πώς από τον διαβήτη που είναι περιφερικό νευρικό σύστημα περάσατε σε κεντρικό που είναι η Σκλήρυνση;
Αυτό που σκεφτήκαμε ως πρώτο στόχο ήταν ότι αφού από άποψη φυσιολογίας τα νεύρα αυτά είναι παρόμοια, θέλαμε εκτός από τον αμφιβληστροειδή να μελετήσουμε και τα νεύρα στον κερατοειδή. Ακολούθως, επειδή κι εμείς ασχολούμαστε με πρόγνωση θέλαμε να δούμε αν αυτό που συμβαίνει στον διαβήτη συμβαίνει και σε άλλες νευρολογικές νόσους. Ο τρίτος λόγος ήταν ότι μιλήσαμε με νευρολόγους για τα πιο σημαντικά προβλήματα των ανθρώπων που ζουν με Σκλήρυνση κατά Πλάκας. Αυτό που μάς διαβεβαίωσαν ήταν ότι μπορεί η μαγνητική τομογραφία να προβλέπει συμπτώματα που θα εμφανιστούν στους ασθενείς και να «ρυθμίσει» τα φάρμακα που πρέπει να πάρουν για να έχουν καλύτερη εξέλιξη, αλλά τελικά δεν σχετίζονται άμεσα και απόλυτα με την κλινική κατάσταση του ασθενή. Τα τελευταίο ήταν ότι τα νεύρα στον αμφιβληστροειδή μπορούν να επηρεαστούν από τη μυωπία, διότι όσοι έχουν μυωπία έχουν λιγότερα ή και πιο λεπτά νεύρα.
Ήταν αρκετά ενθαρρυντικά τα πρώτα αποτελέσματα;
Ναι. Διότι είδαμε ότι οι ασθενείς οι οποίοι είχαν μικρότερο ή μηδενικό σκορ σε αυτήν την κλινική κλίμακα για συμπτώματα (δεν είχαν ή είχαν λίγα συμπτώματα από αυτά που εκδηλώνουν άτομα με ΣκΠ) είχαν μεγαλύτερη πυκνότητα νεύρων στον κερατοειδή του ματιού, σε σχέση με αυτούς που είχαν περισσότερα συμπτώματα. Και κάτι ακόμη πιο ενδιαφέρον ήταν ότι η πυκνότητα των νεύρων μειωνόταν όταν υπήρχε συνδυαστική και η περίπτωση οπτικής νευροπάθειας, η οποία είναι συχνό σύμπτωμα στη ΣκΠ. Στην πραγματικότητα εξετάζαμε έναν ασθενή με συμπτώματα και βλέπαμε λιγότερα νεύρα στα μάτια του και αν και συνδυάζονταν με οπτική νευροπάθεια είχε ακόμη λιγότερα. Το τελευταίο εύρημα που είδαμε ήταν ότι ένας από τους ασθενείς που είχε το μεγαλύτερο σκορ με πολλά συμπτώματα και με υποβοήθημα για το περπάτημα ήταν και αυτός με τα λιγότερα νεύρα.
Σε πόσους ασθενείς έγινε η μελέτη;
Το δοκιμάσαμε σε 25 ασθενείς και είδαμε ότι έχουμε στατιστικά σημαντικές διαφορές μεταξύ των ομάδων που συμμετείχαν. Κάναμε την αίτηση για τη χρηματοδότηση και την κερδίσαμε. Το ποσό είναι 160.000 δολάρια σε πρώτη φάση και για δύο χρόνια και θα παρακολουθήσουμε 60 ασθενείς με υποτροπιάζουσα διαλείπουσα και άλλους τριάντα προϊούσα. Και φυσικά ακόμη 30 άτομα που θα είναι υγιείς ως ομάδα ελέγχου. Θα κάνουμε όλες τις εξετάσεις και όλα τα τεστ που κάνουν οι ασθενείς όταν επισκέπτονται τον νευρολόγο τους και θα δούμε αν τελικά σχετίζονται, όπως είδαμε στην αρχή τα νεύρα των ματιών με τα συμπτώματα.
Πώς ακριβώς γίνεται η επέμβαση;
Δεν είναι επεμβατική μέθοδος. Είναι μία απλή εξέταση στα μάτια και μάλιστα βάζουμε μια σταγόνα τοπικού αναισθητικού που κρατάει για δέκα λεπτά και παίρνουμε εικόνες. Ούτε αντενδείξεις, ούτε ανεπιθύμητες, ούτε πόνος, ούτε λήψη ιστών. Ό,τι πιο απλό μπορεί να υπάρξει. Ακολούθως, συλλέγουμε τις εικόνες, κάνουμε δειγματοληψία και συγκρίνουμε με ανατομικές τοποθεσίες μέσω ενός λογισμικού που κάνει την ανάλυση. Έστι, παίρνουμε τα αποτελέσματα, τα συγκρίνουμε με μία μεγάλη βάση δεδομένων και βλέπουμε πώς είναι σε σύγκριση με τον υγιή.
