Forscher erstellen AI-basiertes Modell zur Vorhersage des Gehirnsalters

Forscher der Radiological Society of North America haben ein auf künstlicher Intelligenz (KI) basierendes Modell zur Vorhersage des Gehirnsalters entwickelt, das Abweichungen von einer gesunden Gehirnalterungs-Kurve bei Patienten mit leichter kognitiver Beeinträchtigung quantifizieren kann.

Die Studie wurde im Juni in Radiology: Artificial Intelligence veröffentlicht.

Früherkennung von kognitiver Beeinträchtigung

Laut den Forschern könnte das Modell zur Früherkennung von kognitiver Beeinträchtigung eingesetzt werden.

Personen, die an amnestischer leichter kognitiver Beeinträchtigung (aMCI) leiden, einer Übergangsphase vom normalen Alterungsprozess zur Alzheimer-Krankheit, haben Gedächtnisdefizite, die schwerwiegender sind als das Normale für ihr Alter und ihre Bildung. Allerdings sind sie nicht schwerwiegend genug, um ihre tägliche Funktion zu beeinträchtigen.

An der Studie beteiligt waren Ni Shu, Ph.D., vom State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, in Peking, China, sowie andere Kollegen.

Das Team nutzte einen maschinellen Lernalgorithmus, um ein Gehirnalter-Vorhersagemodell zu trainieren, das auf den T1-gewichteten MRT-Bildern von 974 gesunden Erwachsenen im Alter von 49,3 bis 95,4 Jahren basierte.

Das trainierte Modell wurde dann verwendet, um die vorhergesagte Altersdifferenz von aMCI-Patienten in Datensätzen der Beijing Aging Brain Rejuvenation Initiative zu schätzen, die 616 gesunde Kontrollen und 80 aMCI-Patienten umfasste, sowie der Alzheimer’s Disease Neuroimaging Initiative, die 589 gesunde Kontrollen und 144 aMCI-Patienten umfasste.

Darüber hinaus untersuchte das Team auch die Zusammenhänge zwischen der vorhergesagten Altersdifferenz und kognitiver Beeinträchtigung, genetischen Risikofaktoren, pathologischen Biomarkern der Alzheimer-Krankheit und klinischer Progression bei aMCI-Patienten.

Die Ergebnisse der Studie

Die Ergebnisse der Studie zeigten, dass aMCI-Patienten altersbedingte Veränderungen im Gehirn aufwiesen, die sich von der typischen normalen Alterungskurve unterscheiden. Die vorgeschlagenen Gehirnalter-Vorhersagemodelle könnten individuelle Abweichungen von dieser normalen Kurve quantifizieren.

Das Team fand auch heraus, dass die vorhergesagte Altersdifferenz stark mit der individuellen kognitiven Beeinträchtigung von aMCI-Patienten in Bereichen wie Gedächtnis, Aufmerksamkeit und exekutiver Funktion zusammenhing.

“Das von uns generierte Vorhersagemodell war sehr genau bei der Schätzung des chronologischen Alters bei gesunden Teilnehmern auf der Grundlage des Aussehens von MRT-Scans”, heißt es im Paper. “Im Gegensatz dazu schätzte das Modell das Gehirnalter für aMCI-Patienten im Durchschnitt um mehr als 2,7 Jahre höher als das tatsächliche Alter des Patienten.”

Das Modell zeigte auch, dass progressive aMCI-Patienten stärkere Abweichungen von der typischen normalen Alterung aufwiesen als stabile aMCI-Patienten. Durch die Verwendung von Werkzeugen wie dem vorhergesagten Altersdifferenz-Score und Biomarkern für die Alzheimer-Krankheit kann die Progression von aMCI besser vorhergesagt werden.

Durch die Kombination der vorhergesagten Altersdifferenz mit anderen Biomarkern für die Alzheimer-Krankheit kann die beste Leistung für die Unterscheidung zwischen progressiver aMCI und stabiler aMCI erzielt werden.

“Diese Arbeit zeigt, dass die vorhergesagte Altersdifferenz das Potenzial hat, ein robuster, zuverlässiger und computerisierter Biomarker für die Früherkennung von kognitiver Beeinträchtigung und die Überwachung der Reaktion auf die Behandlung zu sein”, sagten die Autoren.