Neue Studie: Nicht-invasiver Test prognostiziert Alzheimer- und Demenzrisiko
Neue Forschungsergebnisse deuten darauf hin, dass Fortschritte in der Technologie es Software jetzt ermöglichen, das Risiko einer Person, an Alzheimer zu erkranken, und damit verbundene Demenzen anhand von Informationen vorherzusagen, die bei routinemäßigen Arztbesuchen gewonnen wurden.
Die Entdeckung ist wichtig, da es sich um eine kostengünstige, nicht aufdringliche Methode handelt, um eine chronische Krankheit zu erkennen, die häufig das Leben des Einzelnen und seiner Familie stört.
Wissenschaftler des Regenstrief Institute, der Indiana University und von Merck entwickelten und testeten die Algorithmen unter Verwendung von Daten aus elektronischen Patientenakten. Die neue Entwicklung ist wichtig, da mindestens 50% der älteren Patienten in der Grundversorgung, die an Alzheimer und verwandten Demenzerkrankungen leiden, niemals eine Diagnose erhalten.
Und viele weitere leben zwei bis fünf Jahre mit Symptomen, bevor sie diagnostiziert werden. Derzeit sind Tests zum Screening auf Demenzrisiko invasiv, zeitaufwändig und teuer.
"Das Tolle an dieser Methode ist, dass sie passiv ist und eine ähnliche Genauigkeit bietet wie die derzeit verwendeten aufdringlicheren Tests", sagte der leitende Forscher Malaz Boustani, MD, MPH, ein Forschungswissenschaftler am Regenstrief Institute und Professor an der Indiana University Medizinische Fakultät.
"Dies ist eine kostengünstige, skalierbare Lösung, die Patienten und ihren Familien einen erheblichen Nutzen bringen kann, indem sie ihnen hilft, sich auf die Möglichkeit eines Lebens mit Demenz vorzubereiten und Maßnahmen zu ergreifen."
Das Forschungsteam, dem auch Wissenschaftler aus dem Staat Georgia, dem Albert Einstein College of Medicine und der Solid Research Group angehörten, veröffentlichte kürzlich seine Ergebnisse zu zwei verschiedenen Ansätzen des maschinellen Lernens.
Ein Artikel, veröffentlicht in der Zeitschrift der American Geriatrics Societyanalysierte die Ergebnisse eines Algorithmus zur Verarbeitung natürlicher Sprache. Bei dieser Technik werden maschinelle Lernansätze durch Analyse von Beispielen bestimmt.
Ein verwandter Ansatz, der in einem Künstliche Intelligenz in der Medizin Artikel, teilte die Ergebnisse aus einem Modell, das ein Ensemble von Entscheidungsbäumen verwendet. Beide Methoden zeigten eine ähnliche Genauigkeit bei der Vorhersage des Ausbruchs einer Demenz innerhalb von ein bis drei Jahren nach der Diagnose.
Um die Algorithmen zu trainieren, sammelten die Forscher Daten über Patienten aus dem Indiana Network for Patient Care. Die Modelle verwendeten Informationen zu Rezepten und Diagnosen, bei denen es sich um strukturierte Felder handelt, sowie medizinische Notizen, bei denen es sich um Freitext handelt, um den Beginn der Demenz vorherzusagen.
Die Forscher fanden heraus, dass die Freitextnotizen am wertvollsten waren, um Menschen zu identifizieren, bei denen das Risiko besteht, an der Krankheit zu erkranken.
"Diese Forschung ist aufregend, weil sie möglicherweise einen erheblichen Nutzen für Patienten und ihre Familien bietet", sagte Patrick Monahan, PhD, Studienautor der IU School of Medicine und ein mit Regenstrief verbundener Wissenschaftler.
"Ärzte können Aufklärung über Verhalten und Gewohnheiten anbieten, um Patienten dabei zu helfen, mit ihren Symptomen umzugehen und eine bessere Lebensqualität zu erreichen."
Zina Ben Miled, PhD, MS, eine Studienautorin der Purdue School of Engineering and Technology, erklärt: „Die frühzeitige Risikoerkennung bietet Ärzten und Familien die Möglichkeit, einen Pflegeplan aufzustellen. Ich weiß aus Erfahrung, wie schwer es sein kann, mit einer Demenzdiagnose umzugehen. Das Fenster dieses Tests ist so wichtig, um die Lebensqualität sowohl der Patienten als auch ihrer Familien zu verbessern. “
Zusätzlich zum Nutzen für Familien können diese Methoden auch erhebliche Kosteneinsparungen für Patienten und Gesundheitssysteme bringen. Sie ersetzen die Notwendigkeit teurer Tests und ermöglichen es Klinikern, ganze Populationen zu untersuchen, um die am stärksten gefährdeten zu identifizieren. Die Verzögerung des Auftretens von Symptomen spart auch eine erhebliche Menge an Geld für die Behandlung.
Der nächste Schritt besteht darin, diese Algorithmen für maschinelles Lernen in realen Kliniken einzusetzen, um zu testen, ob sie dazu beitragen, wahrere Fälle von Demenz zu identifizieren, und um zu erfahren, wie sie sich auf die Bereitschaft eines Patienten auswirken, die Ergebnisse weiterzuverfolgen.
Quelle: Regenstrief-Institut
