Neuartiges lernbasiertes Framework zur Vorhersage des Fortschreitens der Alzheimer-Krankheit

Nach Angaben der Weltgesundheitsorganisation leben weltweit etwa 55 Millionen Menschen mit Demenz. Die häufigste Form ist die Alzheimer-Krankheit, eine unheilbare Erkrankung, die zu einer Verschlechterung der Gehirnfunktion führt.

Zusätzlich zu den physischen Auswirkungen hat die Alzheimer-Krankheit psychologische, soziale und wirtschaftliche Folgen, nicht nur für die Menschen, die mit der Krankheit leben, sondern auch für diejenigen, die sie lieben und für sie sorgen. Da sich die Symptome mit der Zeit verschlimmern, ist es sowohl für Patienten als auch für ihre Betreuer wichtig, sich auf den eventuellen Bedarf vorzubereiten, die Unterstützung im Verlauf der Krankheit zu erhöhen.

Zu diesem Zweck haben Forscher der University of Texas in Arlington einen neuartigen lernbasierten Rahmen entwickelt, der Alzheimer-Patienten dabei helfen soll, genau zu bestimmen, wo sie sich im Spektrum der Krankheitsentwicklung befinden. Dadurch können sie den Zeitpunkt späterer Stadien besser vorhersagen und so die zukünftige Behandlung bei fortschreitender Krankheit einfacher planen.

Seit Jahrzehnten werden verschiedene Vorhersageansätze vorgeschlagen und im Hinblick auf die Vorhersagefähigkeit für die Alzheimer-Krankheit und ihre Vorstufe, die leichte kognitive Beeinträchtigung, bewertet.“

Dajiang Zhu, außerordentlicher Professor für Informatik und Ingenieurwesen, UTA

Er ist Hauptautor eines neuen, von Experten begutachteten Artikels, der im Open Access veröffentlicht wurde Pharmakologische Forschung. „Viele dieser früheren Vorhersageinstrumente übersahen die kontinuierliche Entwicklung der Alzheimer-Krankheit und die Übergangsstadien der Krankheit.“

In einer Arbeit, die durch Zuschüsse der National Institutes of Health und des National Institute on Aging in Höhe von mehr als 2 Millionen US-Dollar unterstützt wurde, entwickelten Zhus Forschungslabor für medizinische Bildgebung und neurowissenschaftliche Entdeckungen und Li Wang, außerordentlicher Professor für Mathematik an der UTA, ein neues lernbasiertes Einbettungsrahmenwerk kodiert die verschiedenen Stadien der Entwicklung der Alzheimer-Krankheit in einem Prozess, den sie einen „Krankheitseinbettungsbaum“ oder DETree nennen. Mithilfe dieses Rahmenwerks kann DETree nicht nur jede der fünf feinkörnigen klinischen Gruppen der Alzheimer-Krankheitsentwicklung effizient und genau vorhersagen, sondern auch detailliertere Statusinformationen liefern, indem es projiziert, wo sich der Patient im Verlauf der Krankheit darin befinden wird.

Um ihr DETree-Framework zu testen, verwendeten die Forscher Daten von 266 Personen mit Alzheimer-Krankheit aus der multizentrischen Alzheimer's Disease Neuroimaging Initiative. Die Ergebnisse der DETree-Strategie wurden mit anderen weit verbreiteten Methoden zur Vorhersage des Fortschreitens der Alzheimer-Krankheit verglichen und das Experiment mithilfe maschineller Lernmethoden mehrmals wiederholt, um die Technik zu validieren.

„Wir wissen, dass Menschen mit Alzheimer-Krankheit oft sehr unterschiedlich schnell eine Verschlechterung der Symptome entwickeln“, sagte Zhu. „Wir freuen uns, dass unser neues Rahmenwerk genauer ist als die anderen verfügbaren Vorhersagemodelle. Wir hoffen, dass es Patienten und ihren Familien dabei helfen wird, die Unsicherheiten dieser komplizierten und verheerenden Krankheit besser zu planen.“

Er und sein Team glauben, dass das DETree-Framework das Potenzial hat, dabei zu helfen, das Fortschreiten anderer Krankheiten vorherzusagen, die mehrere klinische Entwicklungsstadien aufweisen, wie etwa die Parkinson-Krankheit, die Huntington-Krankheit und die Creutzfeldt-Jakob-Krankheit.