Ein einzelner Gehirnscan könnte die Alzheimer-Krankheit diagnostizieren

Laut einer neuen Studie des Imperial College London könnte ein einziger MRT-Scan des Gehirns ausreichen, um die Alzheimer-Krankheit zu diagnostizieren.

Die Forschung verwendet maschinelle Lerntechnologie, um strukturelle Merkmale im Gehirn zu untersuchen, auch in Regionen, die zuvor nicht mit Alzheimer in Verbindung gebracht wurden. Der Vorteil der Technik ist ihre Einfachheit und die Tatsache, dass sie die Krankheit in einem frühen Stadium erkennen kann, wenn sie sehr schwer zu diagnostizieren ist.

Obwohl es keine Heilung für die Alzheimer-Krankheit gibt, hilft eine frühzeitige und schnelle Diagnose den Patienten. Es ermöglicht ihnen, auf Hilfe und Unterstützung zuzugreifen, eine Behandlung zu erhalten, um ihre Symptome zu bewältigen und für die Zukunft zu planen. In der Lage zu sein, Patienten in einem frühen Stadium der Krankheit genau zu identifizieren, wird den Forschern auch helfen, die Gehirnveränderungen zu verstehen, die die Krankheit auslösen, und die Entwicklung und Erprobung neuer Behandlungen unterstützen.

Häufige Form der Demenz

Die Forschung wird im Nature Portfolio Journal, Communications Medicine, veröffentlicht und vom Imperial Biomedical Research Center des National Institute for Health and Care Research (NIHR) und dem Medical Research Council finanziert.

Die Alzheimer-Krankheit ist die häufigste Form der Demenz und betrifft über eine halbe Million Menschen im Vereinigten Königreich. Obwohl die meisten Menschen mit Alzheimer-Krankheit sie nach dem 65. Lebensjahr entwickeln, können auch Menschen unter diesem Alter daran erkranken. Die häufigsten Symptome von Demenz sind Gedächtnisverlust und Schwierigkeiten beim Denken, Problemlösen und Sprechen.

Ärzte verwenden derzeit eine Reihe von Tests, um die Alzheimer-Krankheit zu diagnostizieren, darunter Gedächtnis- und kognitive Tests und Gehirnscans. Die Scans werden verwendet, um nach Proteinablagerungen im Gehirn und einer Schrumpfung des Hippocampus zu suchen, dem Bereich des Gehirns, der mit dem Gedächtnis verbunden ist. Alle diese Tests können mehrere Wochen dauern, sowohl die Organisation als auch die Abwicklung.

siehe auch  Nach dem Abtreibungsurteil kämpfen Klinikmitarbeiter mit einem Trauma

Der neue Ansatz erfordert nur einen davon – einen Magnetresonanztomographie (MRT)-Gehirnscan, der mit einem Standard-1,5-Tesla-Gerät aufgenommen wird, das in den meisten Krankenhäusern üblich ist.

Die Forscher passten einen Algorithmus an, der für die Klassifizierung von Krebstumoren entwickelt wurde, und wandten ihn auf das Gehirn an. Sie teilten das Gehirn in 115 Regionen ein und ordneten 660 verschiedene Merkmale wie Größe, Form und Textur zu, um jede Region zu bewerten. Dann trainierten sie den Algorithmus, um zu identifizieren, wo Änderungen an diesen Merkmalen das Vorhandensein der Alzheimer-Krankheit genau vorhersagen könnten.

Unter Verwendung von Daten der Alzheimer’s Disease Neuroimaging Initiative testete das Team seinen Ansatz an Gehirnscans von über 400 Patienten mit Alzheimer im Früh- und Spätstadium, gesunden Kontrollpersonen und Patienten mit anderen neurologischen Erkrankungen, einschließlich frontotemporaler Demenz und Parkinson-Krankheit. Sie testeten es auch mit Daten von über 80 Patienten, die sich diagnostischen Tests auf Alzheimer am Imperial College Healthcare NHS Trust unterzogen.

Einzelprüfung

Sie fanden heraus, dass in 98 Prozent der Fälle allein das MRT-basierte maschinelle Lernsystem genau vorhersagen konnte, ob der Patient an Alzheimer erkrankt war oder nicht. Es war auch in der Lage, bei 79 Prozent der Patienten mit ziemlich hoher Genauigkeit zwischen Alzheimer im Früh- und Spätstadium zu unterscheiden.

Professor Eric Aboagye vom Imperial’s Department of Surgery and Cancer, der die Forschung leitete, sagte: „Derzeit kann keine andere einfache und weit verbreitete Methode die Alzheimer-Krankheit mit dieser Genauigkeit vorhersagen, daher ist unsere Forschung ein wichtiger Schritt nach vorne. Viele Patienten, die sich mit Alzheimer in Gedächtniskliniken vorstellen, haben auch andere neurologische Erkrankungen, aber selbst innerhalb dieser Gruppe konnte unser System diejenigen Patienten mit Alzheimer von denen ohne Alzheimer unterscheiden.

siehe auch  Bill On Doctors' Conduct Advances — Times Publishing Group, Inc.

„Das Warten auf eine Diagnose kann für Patienten und ihre Familien eine schreckliche Erfahrung sein. Wenn wir die Wartezeit verkürzen, die Diagnose vereinfachen und die Unsicherheit verringern könnten, wäre das sehr hilfreich. Unser neuer Ansatz könnte auch Patienten im Frühstadium für klinische Studien zu neuen medikamentösen Behandlungen oder Änderungen des Lebensstils identifizieren, was derzeit sehr schwierig ist.“

Das neue System entdeckte Veränderungen in Bereichen des Gehirns, die zuvor nicht mit der Alzheimer-Krankheit in Verbindung gebracht wurden, einschließlich des Kleinhirns (der Teil des Gehirns, der körperliche Aktivität koordiniert und reguliert) und des ventralen Zwischenhirns (verbunden mit den Sinnen, dem Sehen und Hören). Dies eröffnet potenzielle neue Wege für die Erforschung dieser Bereiche und ihrer Verbindungen zur Alzheimer-Krankheit.

Dr. Paresh Malhotra, beratender Neurologe am Imperial College Healthcare NHS Trust und Forscher am Imperial Department of Brain Sciences, sagte: „Obwohl Neuroradiologen MRT-Scans bereits interpretieren, um Alzheimer zu diagnostizieren, gibt es wahrscheinlich Merkmale der Scans, die nicht vorhanden sind nicht sichtbar, nicht einmal für Spezialisten. Die Verwendung eines Algorithmus, der in der Lage ist, Texturen und subtile strukturelle Merkmale im Gehirn auszuwählen, die von Alzheimer betroffen sind, könnte die Informationen, die wir aus Standard-Bildgebungsverfahren gewinnen können, wirklich verbessern.“

Bezug: Englisch, M.; Patel, N.; Linton-Reid, K.; Loreto, F.; Win, Z.; Perry, RJ; Carswell, C.; Grech-Sollars, M.; Krume, WR; Lu, H.; Malhotra, PA; Aboagye, EO Ein Vorhersagemodell, das die mesoskopische Architektur des lebenden Gehirns verwendet, um die Alzheimer-Krankheit zu erkennen. Kommunalmed 2022, 2 (1), 1–16. https://doi.org/10.1038/s43856-022-00133-4.

Dieser Artikel wurde aus dem Folgenden neu veröffentlicht Materialien. Hinweis: Das Material wurde möglicherweise hinsichtlich Länge und Inhalt bearbeitet. Für weitere Informationen wenden Sie sich bitte an die angegebene Quelle.

Newsletter

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.