Toepassen van hersennetwerken als maat voor ziektebeloop in de klinische praktijk
Mensen met slechtere hersenverbindingen hebben een snellere ziektebeloop van de ziekte van Alzheimer. Onderzoeker Betty Tijms heeft een algoritme ontwikkeld om te voorspellen wie op korte termijn snel achteruitgaat.
Achtergrond
Mensen met de ziekte van Alzheimer verschillen veel onderling. Sommige mensen gaan bijvoorbeeld in een vroeg stadium van de ziekte snel achteruit, terwijl andere mensen stabiel blijven. Uit eerder onderzoek bleek dat mensen met slechtere hersenverbindingen een sneller ziekteverloop hebben.
Doel
In deze studie hebben we onderzocht of hersenconnectiviteitmaten kunnen helpen om patiënten prognose te bieden.
Methode
Om dit te bewerkstelligen hebben we een algoritme ontwikkeld om te voorspellen wie op korte termijn snel achteruitgaat.
Resultaten
In 65% van de gevallen kon het algoritme voorspellen wie er binnen 2 jaar dementie zou ontwikkelen. Als we dit vervolgens combineerden met informatie over de grootte van de hippocampus, een belangrijk hersengebied voor geheugen, en de aanwezigheid van het schadelijke Alzheimer-eiwit Tau, verhoogde de juistheid van deze voorspelling naar 72%. Deze resultaten laten zien dat het mogelijk is om ziekteverloop te voorspellen.
Vervolgonderzoek
Deze markers zijn nog niet nauwkeurig om individuele patiënten een prognose te bieden in de praktijk. Vervolgonderzoek zal zich richten op het verbeteren van het algoritme.
Meer informatie
- Hersenverbindingen voorspellen het risico op dementie-ontwikkeling - interview Betty Tijms
- Voorspellen van alzheimer door te kijken naar hersenverbindingen - lees de blog
- Dit project is een vervolgproject op: Brain connectivity: the missing link between amyloid and clinical symptoms
- Grey matter network markers identify individuals with prodromal Alzheimer’s disease who will show rapid clinical decline - artikel in Brain Communications
- Een zorgvuldige en tijdige diagnose en prognose voor mensen met dementie
- Bekijk meer informatie over dementie