Erweiterte MRT hilft bei der Vorhersage des Speicherrückgangs
Eine neue Studie verwendet künstliche Intelligenz (KI) in Kombination mit der Bildgebung des Gehirns, um festzustellen, ob Personen mit leichten kognitiven Beeinträchtigungen eine Spirale des Gedächtnisverlusts fortsetzen werden.
"Wir wissen, dass etwa die Hälfte aller Personen mit leichten kognitiven Beeinträchtigungen im Frühstadium an Alzheimer erkranken wird", sagte der leitende Forscher Sven Haller, Radiologe an den Universitätskliniken in Genf.
"Aber nicht zu wissen, welche Patienten weiter abnehmen werden, macht es schwierig, Alzheimer früh im Krankheitsverlauf zu behandeln."
Haller und ein Forscherteam verwendeten zwei neuartige Techniken, um das Gehirn von 35 Kontrollpersonen (Durchschnittsalter 63,7 Jahre) und 69 Patienten mit MCI (Durchschnittsalter 65 Jahre) abzubilden, darunter 38 Frauen und 31 Männer.
Bei den Patienten wurde MCI anhand einer Reihe neuropsychologischer Tests diagnostiziert, die ein Jahr später bei 67 der Patienten wiederholt wurden, um festzustellen, ob ihre Krankheit stabil (40 Patienten) oder progressiv (27 Patienten) war.
Mithilfe einer fortschrittlichen Technik, die als anfälligkeitsgewichtete MRT bezeichnet wird, konnten die Forscher Scans mit detaillierteren Angaben zu den vielen Blutgefäßen im Gehirn erstellen, einschließlich des Vorhandenseins winziger Lecks, die als Mikroblutungen oder Mikroblutungen bezeichnet werden.
"Die Anzahl der zerebralen Mikrobluten war bei Personen mit leichter kognitiver Beeinträchtigung signifikant höher als bei Personen in der Kontrollgruppe", sagte Dr. Haller.
Die MRT-Untersuchungen ergaben bei 33 Prozent der Personen mit stabilem MCI und bei 54 Prozent der Personen mit progressivem MCI Mikrobluten. Nur 14 Prozent der Kontrollpersonen hatten Mikrobluten.
Die anfälligkeitsgewichtete MRT ergab auch, dass Personen mit MCI im Vergleich zu den Kontrollpersonen in bestimmten Bereichen tief in der Struktur des Gehirns eine signifikant erhöhte Eisenkonzentration und in anderen Bereichen einen verringerten Eisengehalt aufwiesen.
"Eine veränderte Eisenverteilung in den subkortikalen Kernen war ein weiteres Unterscheidungsmerkmal zwischen gesunden Kontrollpersonen und Patienten mit leichten kognitiven Beeinträchtigungen", sagte Dr. Haller.
Hallers Team analysierte die MRT-Daten auch mit Support Vector Machines (SVM), einer Technik der künstlichen Intelligenz, die mithilfe von Algorithmen Muster innerhalb einer Gruppe identifiziert und Klassifikationen erstellt.
Die SVM-Analyse der bei der Erstuntersuchung erfassten MRT-Basisdaten unterschied Patienten mit progressivem MCI von Patienten mit stabilem MCI mit einer Genauigkeit von 85 Prozent.
"Das Ziel meiner Arbeit ist es, Biomarker mit leichten kognitiven Beeinträchtigungen zu identifizieren, die uns helfen, einzelne Patienten zu diagnostizieren, bei denen das Risiko eines weiteren Rückgangs besteht", sagte Dr. Haller. "Die Verwendung von SVM zur Analyse von Eisenablagerungen im Gehirn könnte ein solcher Biomarker sein."
Quelle: Radiologische Gesellschaft von Nordamerika
