Det första testet i sitt slag kan förutsäga demens nio år före diagnos
Senast recenserade: 14.06.2024
Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.
Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.
Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.
Forskare från Queen Mary University of London har utvecklat en ny metod för att förutsäga demens med mer än 80 % noggrannhet och upp till nio år före diagnos. Denna nya metod ger en mer exakt förutsägelse av demens än minnestester eller mätningar av hjärnans krympning, som är två vanliga metoder för att diagnostisera demens.
Teamet, ledd av professor Charles Marshall, utvecklade ett prediktivt test genom att analysera funktionella MRI (fMRI) skanningar för att upptäcka förändringar i hjärnans standardlägesnätverk (DMN). DMN förbinder hjärnregioner för att utföra specifika kognitiva funktioner och är det första neurala nätverk som påverkas av Alzheimers.
Forskarna använde fMRI-skanningar av mer än 1 100 frivilliga från UK Biobank, en stor biomedicinsk databas och forskningsresurs som innehåller genetisk och medicinsk information från en halv miljon brittiska deltagare, för att bedöma den effektiva kopplingen mellan tio hjärnregioner som utgör standardläge nätverk. p>
Forskarna tilldelade varje patient ett sannolikhetsvärde för demens baserat på i vilken grad deras effektiva anslutningsmönster matchade antingen det demensindikativa eller kontrollerade mönstret.
De jämförde dessa förutsägelser med varje patients medicinska data lagrade i den brittiska biobanken. Resultaten visade att modellen exakt förutspådde uppkomsten av demens upp till nio år före formell diagnos med över 80 % noggrannhet. I de fall frivilliga senare utvecklade demens, kunde modellen också förutsäga, inom två år, hur lång tid det skulle ta att få en diagnos.
Forskarna undersökte också om förändringar i DMN kunde orsakas av kända riskfaktorer för demens. Deras analys visade att genetisk risk för Alzheimers sjukdom är starkt förknippad med förändringar i anslutningsmöjligheter i DMN, vilket stöder tanken att dessa förändringar är specifika för Alzheimers sjukdom. De fann också att social isolering sannolikt ökar risken för demens genom dess effekt på anslutningen i DMN.
Professor Charles Marshall, som ledde forskargruppen vid Center for Preventive Neuroscience vid Queen Marys Wolfson Institute of Population Health, sa: "Att förutsäga vem som kommer att drabbas av demens i framtiden kommer att vara avgörande för att utveckla behandlingar som kan förhindra oåterkallelig förlust av hjärnceller, vilket orsakar symtom på demens Även om vi blir bättre på att identifiera proteiner i hjärnan som kan orsaka Alzheimers sjukdom, lever många människor i årtionden med dessa proteiner i hjärnan utan att utveckla symtom på demens.
"Vi hoppas att det hjärnfunktionsmått vi har utvecklat kommer att göra det möjligt för oss att vara mycket mer exakta om huruvida och när någon kommer att utveckla demens, så att vi kan avgöra om de kan ha nytta av framtida behandlingsmetoder."
Samuel Ereira, huvudförfattare och postdoktor vid Wolfson Institute for Population Health's Center for Preventive Neuroscience akademiska program, tillade: "Genom att använda dessa analyser på stora datamängder kan vi identifiera personer med hög risk för demens och även ta reda på vilka miljöfaktorer som drev dessa människor till högriskområden.
"Det finns en enorm potential att tillämpa dessa tekniker på olika neurala nätverk och populationer för att bättre förstå sambandet mellan miljö, neurobiologi och sjukdomar, både vid demens och möjligen andra neurodegenerativa sjukdomar. FMRI är en icke-invasiv medicinsk teknik avbildning, och tar ungefär sex minuter att samla in nödvändiga data på en MR-skanner, så den kan integreras i befintliga diagnostiska vägar, särskilt där MR redan används."
Hojat Azadbakht, VD för AINOSTICS (ett AI-företag som samarbetar med ledande forskargrupper för att utveckla hjärnavbildningstekniker för tidig diagnos av neurologiska störningar), kommenterade: "Det tillvägagångssätt som utvecklats har potential att fylla ett stort kliniskt gap genom att tillhandahålla en icke -invasiv biomarkör för demens. I en studie publicerad av ett team från Queen Mary University kunde de identifiera personer som senare utvecklade Alzheimers sjukdom, upp till nio år innan de fick en klinisk diagnos. Det är under detta pre-symptomatiska skede som nya sjukdomsmodifierande tekniker kan gynna patienterna mest.