Ein MRT-Scan sagt den Verlauf von Alzheimer vorher

In Nature Aging haben Forschende ein Deep-Learning-Framework vorgestellt, das aus einem einzigen MRT-Scan gleichzeitig mehrere Ergebnisse berechnet. Das Modell verbindet Fachwissen über Hirnstrukturen mit großen vortrainierten Modellen und benötigt lediglich einen Ausgangsscan sowie grundlegende demografische Daten als Eingabe.

Die Ausgabe umfasst drei Bereiche auf einmal: Das System liefert eine Diagnose, schätzt einen kognitiven Score und prognostiziert die künftige Rate des kognitiven Abbaus. Gerade dieser letzte Aspekt ist für Kliniker gewöhnlich am schwierigsten vorherzusagen. Die Studie zeigt, dass das Modell frühere Methoden übertrifft, die stets nur ein einziges Ergebnis auf einmal verarbeiten konnten.

Warum das über einen besseren Scan hinausgeht

Der eigentliche Mehrwert liegt in der Kombination. Bestehende Diagnosewerkzeuge für Alzheimer sind fragmentiert: Ein Test misst die Kognition, ein anderer bewertet das Hirnvolumen, ein weiterer verfolgt Blut-Biomarker. Dieses Modell bewältigt alle drei Aufgaben gleichzeitig – und das auf Basis eines Scanverfahrens, das bereits zur Routineversorgung gehört.

Das macht eine Früherkennung leichter zugänglich. Teure oder invasive Zusatzuntersuchungen sind nicht erforderlich. In Ländern mit weniger ausgebauter Diagnoseinfrastruktur könnte das ein bedeutsamer Schritt nach vorne sein.

Was noch offen bleibt

Das Modell wurde auf vorhandenen Datensätzen trainiert und getestet. Ob es bei Patienten außerhalb dieser Datensätze, mit anderer Scanner-Hardware oder in anderen demografischen Gruppen gleich gut abschneidet, ist noch ungeklärt. Eine klinische Validierung ist der notwendige nächste Schritt.

Alzheimer betrifft weltweit mehr als fünfzig Millionen Menschen. Die Krankheit beginnt Jahrzehnte vor dem Auftreten erster Symptome. Eine zuverlässige Frühprognose aus einem Standard-MRT könnte den Zeitpunkt, zu dem Behandlungsentscheidungen getroffen werden, erheblich verschieben.

Den Originalartikel lesen