BRegenexperten haben einige der Hauptrisikofaktoren, die zu Alzheimer beitragen, ziemlich gut im Griff – von den Genen einer Person über ihr körperliches Aktivitätsniveau, wie viel formale Bildung sie erhalten hat und wie sozial engagiert sie ist.
Ein Versprechen der KI in der Medizin besteht jedoch darin, dass sie weniger offensichtliche Zusammenhänge erkennen kann, die Menschen nicht immer erkennen können. Könnte KI dabei helfen, Erkrankungen im Zusammenhang mit Alzheimer aufzudecken, die bisher übersehen wurden?
Um das herauszufinden, führten Marina Sirota und ihr Team an der University of California San Francisco (UCSF) ein maschinelles Lernprogramm auf einer Datenbank mit anonymen elektronischen Gesundheitsakten von Patienten durch. Der KI-Algorithmus wurde darauf trainiert, über einen Zeitraum von sieben Jahren alle gemeinsamen Merkmale von Menschen herauszufinden, bei denen letztendlich Alzheimer diagnostiziert wurde. Die Datenbank umfasst klinische Daten wie Labor- und Bildgebungstestergebnisse sowie Diagnosen von Erkrankungen.
„Manche Dinge sahen wir, die angesichts unseres Wissens über Alzheimer zu erwarten waren, aber einige Dinge, die wir fanden, waren neuartig und interessant“, sagt Sirota. Die Ergebnisse wurden veröffentlicht in Naturalterung.
Herzerkrankungen, hoher Cholesterinspiegel und entzündliche Erkrankungen erwiesen sich alle als Risikofaktoren für Alzheimer – was nicht überraschend ist, da sie bekanntermaßen zur Bildung von Proteinplaques im Gehirn beitragen. Zu den weniger erwarteten Erkrankungen gehörten jedoch Osteoporose bei Frauen und Depressionen bei Männern und Frauen. Die Forscher sahen auch unerwartete Muster, die kurz vor der Diagnose auftraten, beispielsweise einen niedrigeren Vitamin-D-Spiegel.
Sirota und Alice Tang, eine Medizinstudentin im Bioingenieurwesen und Hauptautorin des Artikels, betonen, dass diese Faktoren nicht immer bedeuten, dass eine Person an Alzheimer erkrankt. Aber sie könnten Warnsignale sein, die ein Patient angehen kann, um sein Risiko möglicherweise zu senken. „Die Erfassung dieser Faktoren gibt uns Hinweise darauf, dass möglicherweise eine Alzheimer-Diagnose vorliegt, und so weiter [high cholesterol] und Osteoporose sind veränderbar [with treatments]“, sagt Tang.
Ob die Behandlung dieser Probleme tatsächlich das Risiko einer Person, an Alzheimer zu erkranken, senken kann, ist noch nicht klar; Die Studie war nicht darauf ausgelegt, diese Frage zu beantworten. Sirota und ihr Team planen, die Datenbank mit Gesundheitsakten weiter zu durchsuchen, um festzustellen, ob Menschen, die beispielsweise wegen Erkrankungen wie Osteoporose oder hohem Cholesterinspiegel behandelt werden, letztendlich ein geringeres Alzheimer-Risiko haben als Patienten, die diese Erkrankungen hatten, sie aber nicht behandelten. „Wir können die Behandlungsdaten in den elektronischen Patientenakten nachträglich betrachten. Das ist also definitiv eine zukunftsweisende Methode, um festzustellen, ob wir bestehende Therapien nutzen können, um das Risiko zu senken“, sagt Sirota.
Tang suchte auch nach genetischen Faktoren, die mit Dingen wie hohem Cholesterinspiegel, Osteoporose und Alzheimer in Zusammenhang stehen und den Zusammenhang zwischen diesen Risikofaktoren weiter erklären könnten. Es stellt sich heraus, dass der Zusammenhang zwischen Cholesterin und Alzheimer mit dem ApoE-Gen zusammenhängt; Wissenschaftler wissen, dass eine bestimmte Form des Gens, ApoE4, mit einem höheren Risiko für die Entwicklung von Alzheimer verbunden ist. Tang identifizierte außerdem ein Gen, das sowohl mit Osteoporose als auch mit Alzheimer assoziiert ist und ein neues Forschungsziel für eine mögliche Behandlung werden könnte.
Die Studie zeigt, dass maschinelles Lernen Wissenschaftler dabei unterstützt, die Faktoren, die so komplexe Krankheiten wie Alzheimer auslösen, besser zu verstehen, und dass es in der Lage ist, potenzielle neue Wege zu deren Behandlung vorzuschlagen.
