^
A
A
A

Det första testet i sitt slag kan förutsäga demens nio år före diagnos

 
, Medicinsk redaktör
Senast recenserade: 02.07.2025
 
Fact-checked
х

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.

06 June 2024, 12:09

Forskare vid Queen Mary University i London har utvecklat en ny metod för att förutsäga demens med över 80 % noggrannhet och upp till nio år före diagnos. Denna nya metod ger en mer exakt förutsägelse av demens än minnestester eller hjärnminskningsmätningar, vilka är två vanligt förekommande metoder för att diagnostisera demens.

Ett team lett av professor Charles Marshall utvecklade ett prediktivt test genom att analysera funktionella MR-skanningar (fMRI) för att upptäcka förändringar i hjärnans standardlägesnätverk (DMN). DMN kopplar samman regioner i hjärnan för att utföra vissa kognitiva funktioner och är det första neurala nätverket som påverkas av Alzheimers sjukdom.

Forskarna använde fMRI-skanningar av fler än 1 100 volontärer från UK Biobank, en stor biomedicinsk databas och forskningsresurs som innehåller genetisk och medicinsk information från en halv miljon deltagare i Storbritannien, för att bedöma den effektiva anslutningen mellan de tio hjärnregioner som utgör standardlägesnätverket.

Forskarna tilldelade varje patient en demenssannolikhetspoäng baserat på i vilken grad deras effektiva konnektivitetsmönster matchade antingen det demensindikerande mönstret eller det kontrollerade mönstret.

De jämförde dessa förutsägelser med varje patients medicinska data som lagrats i UK Biobank. Resultaten visade att modellen korrekt förutspådde debut av demens upp till nio år före den officiella diagnosen med över 80 % noggrannhet. I de fall där volontärerna 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 den genetiska risken för Alzheimers sjukdom var starkt associerad med förändringar i konnektivitet i DMN, vilket stöder idén att dessa förändringar är specifika för Alzheimers sjukdom. De fann också att social isolering sannolikt ökar risken för demens genom dess effekt på konnektivitet i DMN.

Professor Charles Marshall, som ledde forskargruppen vid Centre for Preventive Neuroscience, Wolfson Institute of Population Health, Queen Mary University, sa: "Att förutsäga vilka som kommer att drabbas av demens i framtiden kommer att vara avgörande för att utveckla behandlingar som kan förhindra den oåterkalleliga förlusten av hjärnceller som orsakar symtom på demens. Även om vi blir bättre på att identifiera proteiner i hjärnan som kan orsaka Alzheimers, lever många människor i årtionden med dessa proteiner i hjärnan utan att utveckla symtom på demens."

"Vi hoppas att den hjärnfunktionsmätning vi har utvecklat kommer att göra det möjligt för oss att vara mycket mer exakta om huruvida och när någon faktiskt kommer att utveckla demens, så att vi kan avgöra om de kan dra nytta av framtida behandlingar."

Samuel Ereira, huvudförfattare och postdoktor vid Wolfson Institute for Population Healths Center for Preventive Neuroscience, tillade: "Genom att använda dessa analysmetoder med stora datamängder kan vi identifiera de som har hög risk för demens och även ta reda på vilka miljöfaktorer som har drivit dessa personer in i hög riskzonen."

"Det finns en enorm potential att tillämpa dessa metoder på olika neurala nätverk och populationer för att bättre förstå sambandet mellan miljö, neurobiologi och sjukdom, både vid demens och potentiellt andra neurodegenerativa sjukdomar. fMRI är en icke-invasiv medicinsk avbildningsteknik och det tar ungefär sex minuter att samla in nödvändig 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 sjukdomar), kommenterade: ”Den utvecklade metoden har potential att fylla ett enormt 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 i detta presymptomatiska skede som nya sjukdomsmodifierande tekniker kan ge störst nytta för patienter.”

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.