Eine präzise Unterscheidung der Ursachen von Demenz ist klinisch schwierig, weil Alzheimer, Parkinson und verwandte Erkrankungen ähnliche Symptome zeigen und oft koexistieren. Forschende um Carlos Cruchaga von der Washington University in St. Louis entwickelten einen KI-basierten Bluttest, der die komplexe Biologie des Alterns und der Neurodegeneration abbilden soll und als kostengünstiges, nichtinvasives Hilfsmittel gedacht ist.
Der Klassifikator basiert auf einem Panel von 15 Proteinen im Blut, das sowohl etablierte Marker der Alzheimer-Pathologie als auch Proteine enthält, die mit Synapsenschädigung, Nervenzellverlust und Entzündung assoziiert sind. Trainiert wurde das Modell an Blutprotein-Daten von mehr als 3.200 Personen, die klinische Diagnosen und kognitiv gesunde Kontrollen umfassen. In einer unabhängigen Validierung an 225 Personen mit Lebenstest und Autopsiebefund stimmten die Vorhersagen eng mit der pathologischen Belastung im Gehirn und mit der klinischen Präsentation überein. Für Fälle mit einer einzelnen neurodegenerativen Diagnose betrug die Gesamtdiagnosegenauigkeit 92.3%.
Der Test lieferte außerdem Hinweise in unklaren Fällen: Bei Menschen mit leichter kognitiver Beeinträchtigung oder uneindeutigen Diagnosen stimmten Alzheimer-Vorhersagen mit der bei Autopsien gefundenen Amyloid-Plaque-Belastung überein, und das Modell identifizierte Alzheimer-ähnliche Veränderungen bei Personen, die im Leben Parkinson diagnostiziert hatten und später eine Demenz entwickelten. Klinische Anwendung ist noch nicht möglich; weitere Validierung in größeren, vielfältigeren Populationen und prospektive Studien sind erforderlich, um Vorhersagen zur Krankheitsprogression und den klinischen Nutzen zu prüfen.
- Potenzielle Anwendungen: Auswahl von Patienten für klinische Studien
- Ermöglichung groß angelegter Bevölkerungsstudien
- Unterstützung klinischer Entscheidungen zu Nachsorge und Therapie
Die Arbeit wurde unter anderem vom National Institutes of Health, dem Cure Alzheimer's Fund und der Michael J. Fox Foundation for Parkinson's Research gefördert. Quelle: Washington University in St. Louis.
Schwierige Wörter
- unterscheidung — Erkennen und Trennen verschiedener Ursachen oder Zustände
- klassifikator — Ein Modell, das Daten in Kategorien einteilt
- validierung — Überprüfung, ob Ergebnisse zuverlässig und korrekt sind
- synapsenschädigung — Schädigung der Verbindungen zwischen Nervenzellen
- autopsiebefund — Befund aus der Untersuchung des Körpers nach dem Tod
- krankheitsprogression — Fortschreiten einer Krankheit im Laufe der Zeit
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Welche Vorteile und möglichen Risiken sehen Sie bei einem kostengünstigen, nichtinvasiven Bluttest zur Unterstützung der Demenzdiagnose?
- Warum ist es wichtig, den Test in vielfältigeren Populationen zu validieren? Nennen Sie mögliche Folgen fehlender Vielfalt.
- Wie könnte ein solcher Test die Auswahl von Teilnehmern für klinische Studien verändern und welche Auswirkungen hätte das auf die Forschung?
Verwandte Artikel
Warum Sprachmodelle bei vierstelliger Multiplikation scheitern
Forscher vergleichen Standard-Fine-Tuning mit der Methode Implicit Chain of Thought (ICoT). Sie zeigen, dass ICoT Zwischenwerte speichert und so komplexe Multiplikationen korrekt löst, während Standardmodelle oft versagen.
Schulterschmerzen: Ursachen und Behandlung
Die Schulter ist sehr beweglich und deshalb anfällig für Schmerzen. Häufige Ursachen sind Alter, Überbeanspruchung und Verletzungen. Physiotherapie, Injektionen oder im schweren Fall Operationen helfen; bei anhaltenden Problemen sind Bildgebung und chirurgische Abklärung möglich.
Warum manche Familien ein Festnetz wählen statt Smartphone
Eltern fragen oft, wann Kinder ein eigenes Handy bekommen. Experten der Virginia Tech sehen Vorteile von gemeinsamen Festnetztelefonen und warnen vor zu viel Bildschirmzeit. Sie raten zu Regeln und Gesprächen statt strikten Verboten.
Nanofaser-Luftfilter fängt CO2 in Gebäuden
Forschende entwickelten einen wiederverwendbaren Nanofaser-Luftfilter, der CO2 in Innenräumen bindet und so Energie spart. Analysen zeigen hohe CO2-Effizienz; die Filter können zentral gesammelt, regeneriert und für Speicherung oder Umwandlung genutzt werden.