Die MRT-Methode sagt Demenz 9 Jahre früher mit einer Genauigkeit von 80 % voraus

Zusammenfassung: Forscher haben eine Methode entwickelt, mit der Demenz bis zu neun Jahre vor der Diagnose mit einer Genauigkeit von über 80 % vorhergesagt werden kann. Mithilfe von fMRT-Scans analysierte das Team Veränderungen im Default Mode Network (DMN) des Gehirns, das im Frühstadium der Alzheimer-Krankheit betroffen ist.

Dieser Ansatz übertrifft herkömmliche Gedächtnistests und Messungen der Gehirnschrumpfung. Die Studie nutzte Daten von mehr als 1.100 Freiwilligen und zeigte mögliche Anwendungen für Frühintervention auf.

Wichtige Fakten:

1. Diese Methode sagt Demenz mit einer Genauigkeit von mehr als 80 % für einen Zeitraum von bis zu neun Jahren vor der Diagnose voraus.
2. Funktionelle MRT-Scans wurden verwendet, um Veränderungen im Standardmodusnetzwerk des Gehirns zu erkennen.
3. Die Studie ergab, dass genetisches Risiko und soziale Isolation die DMN-Konnektivität erheblich beeinflussen.

Quelle: Queen Mary University of London

Forscher der Queen Mary University of London haben eine neue Methode entwickelt, um Demenz bis zu neun Jahre vor der Diagnose mit einer Genauigkeit von mehr als 80 % vorherzusagen. Die neue Methode bietet eine genauere Möglichkeit, Demenz vorherzusagen als Gedächtnistests oder Messungen der Gehirnschrumpfung, die zwei häufig verwendete Methoden zur Diagnose von Demenz sind.

Das Team unter der Leitung von Professor Charles Marshall entwickelte den Vorhersagetest durch die Analyse funktioneller Magnetresonanztomographie-Scans (fMRT), um Veränderungen im „Standardmodus-Netzwerk“ (DMN) des Gehirns zu erkennen. Das DMN verbindet Gehirnregionen, um bestimmte kognitive Funktionen auszuführen, und ist das erste neuronale Netzwerk, das bei der Alzheimer-Krankheit betroffen ist.

Die Forscher verwendeten fMRT-Scans von mehr als 1.100 Freiwilligen der UK Biobank, einer großen biomedizinischen Datenbank und Forschungsressource mit genetischen und Gesundheitsinformationen von einer halben Million britischen Teilnehmern, um die effektive Konnektivität zwischen zehn Gehirnregionen abzuschätzen, die den Standardmodus bilden. Netzwerk.

Die Forscher ordneten jedem Patienten eine Wahrscheinlichkeit zu, an Demenz zu erkranken, basierend darauf, wie gut das effektive Kommunikationsmuster mit einem auf Demenz hinweisenden Muster oder einem kontrollähnlichen Muster übereinstimmte.

Sie verglichen diese Vorhersagen mit den medizinischen Daten jedes Patienten, die bei der britischen Biobank registriert waren. Die Ergebnisse zeigten, dass das Modell den Beginn der Demenz bis zu neun Jahre vor der formellen Diagnose mit einer Genauigkeit von mehr als 80 % genau vorhersagte.

In Fällen, in denen die Freiwilligen an Demenz erkrankten, zeigte sich außerdem, dass das Modell innerhalb von zwei Jahren nach dem Fehler vorhersagen konnte, wie lange die Diagnose dauern würde.

Die Forscher untersuchten auch, ob Veränderungen im DMN durch bekannte Risikofaktoren für Demenz verursacht werden könnten. Ihre Analyse zeigte, dass das genetische Risiko für die Alzheimer-Krankheit stark mit Konnektivitätsänderungen im Standardnetzwerk zusammenhängt, was die Annahme stützt, dass diese Veränderungen spezifisch für die Alzheimer-Krankheit sind.

Sie fanden auch heraus, dass soziale Isolation wahrscheinlich das Demenzrisiko erhöht, da sie sich auf die Konnektivität im Standardmodus-Netzwerk auswirkt.

Charles Marshall, Professor und emeritierter beratender Neurologe, leitete das Forschungsteam im Zentrum für präventive Neurologie am Queen Mary Wolfson Institute for Population Health. Er sagte: „Die Vorhersage, wer in Zukunft an Demenz erkranken wird, wird von entscheidender Bedeutung für die Entwicklung von Behandlungen sein, die den irreversiblen Verlust von Gehirnzellen verhindern können, der Demenzsymptome verursacht.“

„Obwohl wir immer besser darin werden, Proteine ​​im Gehirn zu erkennen, die Alzheimer verursachen können, leben viele Menschen jahrzehntelang mit diesen Proteinen in ihrem Gehirn, ohne Demenzsymptome zu entwickeln.

„Wir hoffen, dass wir mit der von uns entwickelten Messung der Gehirnfunktion genauer sagen können, ob und wann jemand tatsächlich an Demenz erkrankt, um so feststellen zu können, ob er von künftigen Behandlungen profitieren wird.“

„Durch den Einsatz dieser Analysetechniken mit großen Datensätzen können wir Menschen mit einem hohen Risiko für die Entwicklung von Demenz identifizieren und erfahren, welche Umweltrisikofaktoren diese Menschen angetrieben haben“, sagte Samuel Errera, Hauptautor und Doktorand im Academic Foundation Program in das Zentrum für präventive Neurologie am Wolfson Population Health Institute.

„Es besteht ein enormes Potenzial, diese Ansätze auf verschiedene Gehirnnetzwerke und Populationen anzuwenden, um uns dabei zu helfen, die Wechselwirkungen zwischen Umwelt, Neurobiologie und Krankheit besser zu verstehen, sei es bei Demenz oder vielleicht anderen neurodegenerativen Erkrankungen.

„Die funktionelle MRT ist ein nicht-invasives medizinisches Bildgebungsinstrument und benötigt etwa sechs Minuten, um die erforderlichen Daten auf einem MRT-Scanner zu sammeln, sodass sie in bestehende Diagnosepfade integriert werden kann, insbesondere wenn MRT bereits verwendet wird.“

„Der entwickelte Ansatz hat das Potenzial, eine große klinische Lücke zu schließen, indem er unkonventionelle Erkenntnisse liefert“, sagte Hoja Azadbakht, CEO von AINOSTICS (einem Unternehmen für künstliche Intelligenz, das mit weltweit führenden Forschungsteams zusammenarbeitet, um Methoden zur Bildgebung des Gehirns für die Frühdiagnose neurologischer Störungen zu entwickeln ). Invasive Biomarker für Demenz.

„In der vom QMUL-Team veröffentlichten Studie konnten sie Personen identifizieren, die später bis zu 9 Jahre vor Erhalt einer klinischen Diagnose an Alzheimer erkrankten. In dieser präsymptomatischen Phase sind krankheitsmodifizierende Therapien wahrscheinlich den größten Nutzen für die Patienten.

Über Neuigkeiten aus der Neuroimaging- und Demenzforschung

Autor: Sophia Brut
Quelle: Queen Mary University of London
Kommunikation: Sophia Brot – Queen Mary University of London
Bild: Bildquelle: Neuroscience News

Ursprüngliche Suche: Offener Zugang.
„Früherkennung von Demenz durch effektive Netzwerkkonnektivität im virtuellen Modus„Von Charles Marshall et al. Natürliche psychische Gesundheit

eine Zusammenfassung

Früherkennung von Demenz durch effektive Netzwerkkonnektivität im virtuellen Modus

Eine veränderte funktionelle Konnektivität geht strukturellen Veränderungen und Symptomen im Gehirn bei Demenz voraus. Die Alzheimer-Krankheit trägt in der Bevölkerung am meisten zur Demenz bei und stört die funktionelle Konnektivität im Default Mode Network (DMN) des Gehirns.

Wir untersuchten, ob ein neurobiologisches Modell der effektiven DMN-Konnektivität die zukünftige Demenzdiagnose auf der Ebene einzelner Teilnehmer vorhersagen kann.

Wir haben die spektrale dynamische Kausalmodellierung auf fMRT-Daten im Ruhezustand in einer verschachtelten Fall-Kontroll-Kohorte der britischen Biobank angewendet, darunter 81 nicht diagnostizierte Personen, die bis zu neun Jahre nach der Bildgebung eine Demenz entwickelten, und 1.030 übereinstimmende Kontrollen.

Eine Fehlregulation sagte das zukünftige Auftreten einer Demenz (AUC = 0,82) und den Zeitpunkt der Diagnose voraus (R= 0,53) und übertrifft Modelle, die auf Gehirnstruktur und funktioneller Konnektivität basieren.

Wir untersuchten auch Zusammenhänge zwischen DMN-Dyskonnektivität und Hauptrisikofaktoren für Demenz und zeigten starke Zusammenhänge mit dem genetischen Risiko für die Alzheimer-Krankheit und sozialer Isolation auf.

Neurobiologische Modelle effektiver Kommunikation können die Früherkennung von Demenz auf Bevölkerungsebene erleichtern und die rationale Verbreitung gezielter Demenzpräventionsstrategien unterstützen.