AI overtreft: Verbluffende 82% nauwkeurigheid bij voorspellen van de voortgang van Alzheimer
![](/images/blog/1484d4c10df037f00769500ff303e2d5.jpg)
Cambridge-onderzoekers hebben een AI-tool ontwikkeld die nauwkeurig de progressie van Alzheimer voorspelt bij individuen met vroege tekenen van dementie, met behulp van niet-invasieve en kosteneffectieve methoden. Deze innovatie zou de afhankelijkheid van dure diagnostische procedures aanzienlijk kunnen verminderen en vroeg interventiestrategieën kunnen verbeteren, met mogelijke voordelen voor miljoenen mensen wereldwijd. Credit: SciTechDaily.com
Een AI-model van de Universiteit van Cambridge kan de progressie van Alzheimer voorspellen met een nauwkeurigheid van 82% door eenvoudige cognitieve tests en MRI-scans te gebruiken, als een niet-invasief en goedkoper alternatief voor traditionele diagnostiek.
Cambridge-wetenschappers hebben een kunstmatig intelligent hulpmiddel ontwikkeld dat in vier van de vijf gevallen kan voorspellen of mensen met vroege tekenen van dementie stabiel blijven of Alzheimer zullen ontwikkelen.
Het team zegt dat deze benadering de behoefte aan invasieve en dure diagnostische tests zou kunnen verminderen, terwijl de behandeling in een vroeg stadium kan worden verbeterd, wanneer interventies zoals levensstijlveranderingen of nieuwe geneesmiddelen het best kunnen werken.
Dementie vormt een aanzienlijke uitdaging voor de wereldwijde gezondheidszorg, met meer dan 55 miljoen getroffen mensen wereldwijd en een geschatte jaarlijkse kosten van $820 miljard. Het aantal gevallen zal naar verwachting bijna verdrievoudigen in de komende 50 jaar.
De belangrijkste oorzaak van dementie is de ziekte van Alzheimer, die verantwoordelijk is voor 60-80% van de gevallen. Vroegtijdige detectie is cruciaal, aangezien dit het moment is waarop behandelingen waarschijnlijk het meest effectief zullen zijn, maar vroege diagnose en prognose van dementie kunnen mogelijk niet nauwkeurig zijn zonder het gebruik van invasieve of dure tests zoals positronemissietomografie (PET) scans of lumbale punctie, die niet beschikbaar zijn in alle geheugenklinieken. Als gevolg hiervan kan tot een derde van de patiënten verkeerd gediagnosticeerd worden en anderen te laat worden gediagnosticeerd voor een effectieve behandeling.
Een team onder leiding van wetenschappers van de afdeling Psychologie aan de Universiteit van Cambridge heeft een machine-learningmodel ontwikkeld dat kan voorspellen of en hoe snel een individu met milde geheugen- en denkproblemen zal voortgaan naar het ontwikkelen van de ziekte van Alzheimer. In onderzoek dat vandaag (12 juli) is gepubliceerd in het tijdschrift eClinical Medicine, tonen ze aan dat het nauwkeuriger is dan huidige klinische diagnostische instrumenten.
Om hun model te bouwen, gebruikten de onderzoekers routinematig verzamelde, niet-invasieve en goedkope patiëntgegevens - cognitieve tests en structurele MRI-scans die grijze stofatrofie laten zien - van meer dan 400 individuen die deel uitmaakten van een onderzoekscohort in de VS.
Vervolgens hebben ze het model getest met patiëntgegevens uit de praktijk van nog eens 600 deelnemers uit het US-cohort en - belangrijker nog - longitudinale gegevens van 900 mensen uit geheugenklinieken in het VK en Singapore.
Het algoritme kon onderscheid maken tussen mensen met stabiele milde cognitieve stoornissen en degenen die binnen een periode van drie jaar zouden voortgaan naar de ziekte van Alzheimer. Het kon individuen die Alzheimer zouden ontwikkelen in 82% van de gevallen correct identificeren en degenen die dat niet zouden doen in 81% van de gevallen, alleen op basis van cognitieve tests en een MRI-scan.
Het algoritme was ongeveer drie keer nauwkeuriger in het voorspellen van de progressie naar Alzheimer dan de huidige standaardzorg; dat wil zeggen, standaard klinische markers (zoals grijze stofatrofie of cognitieve scores) of klinische diagnose. Dit toont aan dat het model het risico op verkeerde diagnose significant kan verminderen.
Het model stelde de onderzoekers ook in staat om mensen met de ziekte van Alzheimer te stratificeren op basis van gegevens van het eerste bezoek van elke persoon aan de geheugenkliniek in drie groepen: degenen van wie de symptomen stabiel zouden blijven (ongeveer 50% van de deelnemers), degenen die langzaam naar de ziekte van Alzheimer zouden voortgaan (ongeveer 35%) en degenen die sneller zouden voortschrijden (de overige 15%). Deze voorspellingen werden bevestigd bij het bekijken van follow-upgegevens gedurende 6 jaar. Dit is belangrijk omdat het kan helpen om die mensen in een vroeg genoeg stadium te identificeren die baat zouden kunnen hebben bij nieuwe behandelingen, terwijl het tegelijkertijd de mensen identificeert die intensief moeten worden gevolgd aangezien hun toestand waarschijnlijk snel zal verslechteren.
Belangrijk is dat die 50% van de mensen die symptomen hebben zoals geheugenverlies maar stabiel blijven, beter kunnen worden doorverwezen naar een andere klinische route, aangezien hun symptomen mogelijk veroorzaakt worden door andere oorzaken dan dementie, zoals angst of depressie.
Senior auteur Professor Zoe Kourtzi van de afdeling Psychologie aan de Universiteit van Cambridge zei: "We hebben een instrument gecreëerd dat, ondanks het gebruik van slechts gegevens van cognitieve tests en MRI-scans, veel gevoeliger is dan de huidige benaderingen bij het voorspellen of iemand zal voortgaan van milde symptomen naar Alzheimer - en zo ja, of deze progressie snel of langzaam zal zijn."