Forscher der Queen Mary University of London haben eine neue Methode zur Vorhersage von Demenz mit einer Genauigkeit von über 80% und bis zu neun Jahre vor der Diagnose entwickelt. Die neue Methode ermöglicht eine genauere Vorhersage von Demenz als Gedächtnistests oder Messungen der Hirnschrumpfung, zwei üblicherweise verwendete Methoden zur Diagnose von Demenz. Das Team unter der Leitung von Professor Charles Marshall entwickelte den Vorhersagetest, indem es funktionelle MRT-Scans (fMRI) analysierte, um Veränderungen im „Default Mode Network“ (DMN) des Gehirns zu erkennen. Das DMN verbindet Regionen des Gehirns, um bestimmte kognitive Funktionen auszuführen, und ist das erste neuronale Netz, das von der Alzheimer-Krankheit betroffen ist.
Modell kann das Auftreten von Demenz bis zu neun Jahre vor der offiziellen Diagnose prognostizieren
Die Forscher verwendeten fMRI-Scans von über 1.100 Freiwilligen aus der UK Biobank, einer groß angelegten biomedizinischen Datenbank und Forschungsressource, die genetische und gesundheitliche Informationen von einer halben Million britischer Teilnehmer enthält, um die effektive Konnektivität zwischen zehn Hirnregionen zu schätzen, die das Standardmodus-Netzwerk bilden. Die Forscher ordneten jedem Patienten einen Wert für die Wahrscheinlichkeit einer Demenz zu, je nachdem, inwieweit das Muster der effektiven Konnektivität einem Muster entspricht, das auf eine Demenz hindeutet, oder einem kontrollähnlichen Muster. Sie verglichen diese Vorhersagen mit den medizinischen Daten der einzelnen Patienten, die in der UK Biobank gespeichert sind. Die Ergebnisse zeigten, dass das Modell das Auftreten von Demenz bis zu neun Jahre vor der offiziellen Diagnose mit einer Genauigkeit von über 80 % vorhersagte. In den Fällen, in denen die Probanden später an Demenz erkrankten, konnte das Modell innerhalb einer Fehlerspanne von zwei Jahren genau vorhersagen, wie lange es dauern würde, bis die Diagnose gestellt wurde.
Die Forscher untersuchten auch, ob Veränderungen im DMN durch bekannte Risikofaktoren für Demenz verursacht werden könnten. Die Analyse zeigte, dass das genetische Risiko für die Alzheimer-Krankheit stark mit den Veränderungen der Konnektivität im DMN verbunden war, was die Idee unterstützt, dass diese Veränderungen spezifisch für die Alzheimer-Krankheit sind.
Die Forscher fanden auch heraus, dass soziale Isolation durch ihre Auswirkungen auf die Konnektivität im DMN wahrscheinlich das Demenzrisiko erhöht.
Chales Marshall, Professor und Honorararzt für Neurologie, leitete das Forschungsteam innerhalb des Zentrums für Präventive Neurologie am Queen Mary’s Wolfson Institute of Population Die Feststellung, wer in Zukunft an Demenz erkranken wird, ist laut Marshall von entscheidender Bedeutung für die Entwicklung von Behandlungen, die den irreversiblen Verlust von Gehirnzellen, der die Symptome der Demenz verursacht, verhindern können. Obwohl die Wissenschaftler immer besser in der Lage sind, jene Proteine im Gehirn nachzuweisen, die die Alzheimer-Krankheit auslösen können, leben viele Menschen jahrzehntelang mit diesen Proteinen in ihrem Gehirn, ohne Symptome einer Demenz zu entwickeln. Die Forscher hoffen, dass die von ihnen entwickelte Messung der Hirnfunktion es ihnen ermöglichen wird, viel genauer zu bestimmen, ob jemand tatsächlich eine Demenz entwickeln wird und wie bald, so dass sich feststellen lässt, ob er von künftigen Behandlungen profitieren könnte. Mit diesen Analysetechniken und großen Datensätzen können sie diejenigen identifizieren, die ein hohes Demenzrisiko haben, und auch erfahren, welche umweltbedingten Risikofaktoren diese Menschen in eine Hochrisikozone gebracht haben. Es besteht ein enormes Potenzial, diese Methoden auf verschiedene Hirnnetzwerke und Populationen anzuwenden, um die Wechselwirkungen zwischen Umwelt, Neurobiologie und Krankheit sowohl bei Demenz als auch möglicherweise bei anderen neurodegenerativen Erkrankungen besser zu verstehen.
KI-Tool zur Diagnose unterschiedlicher Demenzformen
10 Millionen neue Fälle von Demenz werden jedes Jahr diagnostiziert, aber das Vorhandensein verschiedener Demenzformen und sich überschneidender Symptome kann die Diagnose und die Bereitstellung wirksamer Behandlungen erschweren. Forscher der Boston University haben ein KI-Tool entwickelt, das zehn verschiedene Demenzformen wie vaskuläre Demenz, Lewy-Körperchen-Demenz und frontotemporale Demenz diagnostizieren kann, selbst wenn sie gleichzeitig auftreten. Die Forscher haben ein multimodales maschinelles Lernverfahren (ML) entwickelt, das anhand von allgemein erhobenen klinischen Daten wie demografischen Informationen, der Krankengeschichte des Patienten und seiner Familie, der Einnahme von Medikamenten, neurologischen und neuropsychologischen Untersuchungsergebnissen und bildgebenden Verfahren wie MRT-Scans spezifische Demenzerkrankungen genau identifiziert. Die Ergebnisse wurden in Nature Medicine veröffentlicht. Dieses generative KI-Tool ermöglicht eine differenzierte Demenzdiagnose unter Verwendung routinemäßig erfasster klinischer Daten und zeigt sein Potenzial als skalierbares Diagnoseinstrument für Alzheimer und verwandte Demenzerkrankungen
Weltweit gibt es nicht genügend Neurologieexperten, und die Zahl der Patienten, die ihre Hilfe benötigen, steigt schnell. Diese Diskrepanz stellt eine große Belastung für das Gesundheitssystem dar. Die Forscher glauben, dass die KI helfen kann, indem sie diese Störungen frühzeitig erkennt und Ärzte bei der Behandlung ihrer Patienten unterstützt, um eine Verschlimmerung der Krankheiten zu verhindern. Da sich die Zahl der Demenzfälle in den nächsten 20 Jahren voraussichtlich verdoppeln wird, hoffen die Forscher, dass dieses KI-Tool eine genaue Differenzialdiagnose liefern und die steigende Nachfrage nach gezielten therapeutischen Maßnahmen für Demenzerkrankungen unterstützen kann.