Implementatie van de lesion impact score - geïndividualiseerde diagnose en prognose door integratie van laesie locatie en hersennetwerk topologie

Projectomschrijving

Dementie wordt meestal veroorzaakt door de ziekte van Alzheimer, vaatschade, of een combinatie van beiden. Bij het vaststellen van de oorzaak spelen afwijkingen op een hersenscan – vaatschade en hersenkrimp (ook wel atrofie genoemd) - een belangrijke rol. Maar de relatie tussen zichtbare schade op een hersenscan en de diagnose is niet altijd duidelijk. De locatie van de schade in het hersennetwerk speelt waarschijnlijk een belangrijke rol. Uit onderzoek bij patiënten met een herseninfarct blijkt dat de locatie van de schade in het netwerk inderdaad voorspellend is voor het krijgen van dementie. In dit project vertalen we dit inzicht naar de praktijk. We gaan informatie over vaatschade, atrofie en het hersennetwerk integreren om een zogenaamde impactscore te maken. Deze impactscore kan in de dagelijkse praktijk gebruikt worden om een duidelijke diagnose te stellen en patiënten met dementie meer inzicht te geven in wat er met hen aan de hand is.

Producten
Titel: Network impact score is an independent predictor of post-stroke cognitive impairment: A multicenter cohort study in 2341 patients with acute ischemic stroke
Auteur: Biesbroek JM, Weaver NA, Aben HP, Kuijf HJ, Abrigo J, Bae HJ, Barbay M. Best JG, Bordet R, Chappell FM, Chen CPLH, Dondaine T, van der Giessen RS, Godefroy O, Gyanwali B, Hamilton OKL, Hilal S, Huenges Wajer IMC, Kang Y, Kappelle LJ, Kim BJ, Köhler S, de Kort PLM, Koudstaal PJ, Kuchcinski G, Lam BYK, Lee BC, Lee KJ, Lim JS, Lopes R, Makin SDJ, Mendyk AM, Mok VCT, Oh MS, van Oostenbrugge RJ, Roussel M, Shi L, Staals J, del C. Valdés-Hernández M, Venketasubramanian NV, Verhey FRJ, Wardlaw JM, W
Magazine: Neuroimage Clinical
Verslagen

Samenvatting van de aanvraag
Dit VIMP project heeft als doel de implementatie van de bevindingen van het ConnectAD project van Yael Reijmer (projectnummer 733050503). Van dit project hebben we geleerd dat verstoring van hersennetwerken een belangrijke rol speelt bij cognitieve achteruitgang bij patiënten met de ziekte van Alzheimer en/of vaatschade in de hersenen. Informatie over hersennetwerken wordt echter nog niet gebruikt in de klinische praktijk omdat de benodigde diffusion tensor imaging (DTI) scantechniek complex is. Aan het einde van het project heeft Yael Reijmer een methode ontwikkeld waarmee netwerktheorie toegepast kan worden op gewone hersenscans. Met deze methode, die de ‘lesion impact score’ wordt genoemd, wordt schade op een standaard CT of MRI scan gekoppeld aan hersennetwerk topologie door gebruik te maken van een hersennetwerk atlas. Deze lesion impact score bleek de kans op cognitief herstel te voorspellen bij patiënten met cognitieve stoornissen direct na een herseninfarct. Het feit dat hiervoor geen DTI scan nodig is maakt deze methode zeer geschikt voor implementatie in de klinische praktijk Ik wil deze veelbelovende techniek implementeren in de kliniek om zo de diagnostiek en zorg voor patiënten met dementie of verhoogd risico daarop te verbeteren. Dit wil ik met de volgende drie stappen bereiken. 1. Extern valideren van de lesion impact score als voorspeller van cognitief herstel na een herseninfarct. Dat zal ik doen via het Meta VCI Map programma, een internationaal consortium dat ik mede coördineer en waarin gegevens van meer dan 3.000 patiënten beschikbaar zijn die gebruikt kunnen worden voor validatie. Zo kan ik controleren of de voorspellende waarde van de score bijvoorbeeld nog beïnvloed wordt door geslacht, leeftijd, of etniciteit. 2. Een groot deel van de patiënten die direct na een herseninfarct geen cognitieve stoornissen hebben ontwikkelen op een later moment alsnog dementie. Ik zal onderzoeken of de lesion impact score deze patiënten in een vroeg stadium kan identificeren. Ook daarvoor kan ik de Meta VCI Map gegevens gebruiken. 3. Daarnaast zal ik onderzoeken of een aangepaste versie van de lesion impact score – de atrofie impact score - bij patiënten met de ziekte van Alzheimer samenhangt met cognitief functioneren. Hiervoor zal ik de mate van atrofie per hersengebied relateren aan de mate van connectiviteit van dat specifieke gebied (m.b.v. de hersennetwerk atlas die Yael Reijmer heeft gemaakt) en dit vergelijken met gezonde controles. Op deze manier kan hersennetwerk theorie gebruikt worden om de diagnostiek bij patiënten met de ziekte van Alzheimer te verbeteren zonder dat er een DTI scan hoeft te worden gemaakt. Om de implementatie van de lesion impact score te waarborgen zal ik software ontwikkelen waarmee de lesion impact score volledig geautomatiseerd bepaald kan worden voor een individuele patiënt en dit open access beschikbaar maken. Als een clinicus of onderzoeker de lesion impact score wil gebruiken hoeft alleen een bestand met een gesegmenteerd infarct en de relevante klinische variabelen (zoals leeftijd etc.) geüpload te worden. Met de genoemde software kan de lesion impact score breed toegepast worden, zowel in de klinische praktijk als onderzoek. De doelgroepen voor implementatie zijn het medisch behandelteam van patiënten met cognitieve klachten op een geheugenpoli en patiënten met een herseninfarct (o.a. neurologen, geriaters, revalidatieartsen, specialisten ouderengeneeskunde) en wetenschappers die onderzoek doen naar diagnostiek en de prognose van dementie op basis van de ziekte van Alzheimer en cerebrovasculaire aandoeningen. Ik kan deze doelgroep bij uitstek bereiken via ons internationaal META VCI Map consortium (met >30 deelnemende centra waarvan 9 in Nederland, met momenteel 50 beschikbare cohorten), en in ons eigen centrum direct implementeren. Ook zal ik de resultaten presenteren op internationale dementie congressen (AAIC, VasCog) en verspreiden via het Alzheimer centrum van het Amsterdam UMC. Mijn VIMP idee biedt de kans om het belangrijke werk dat Yael Reijmer in connectAD heeft verricht door te ontwikkelen naar toepassing in de praktijk. Mijn plan zoals boven geschetst past bij uitstek in het VIMP concept. Het maakt direct gebruik van de methode ontwikkeld in connectAD en deze methode kan door koppeling aan mijn eigen onderzoeksprojecten binnen Meta VCI map op heel efficiënte wijze verder gevalideerd en geïmplementeerd worden door gebruik te maken van gegevens van duizenden patiënten die al in voor mij beschikbare databases zijn opgenomen.
Onderwerpen
Kenmerken
Projectnummer:
7330505031
Looptijd:
2020
2022
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Dr. J.M. Biesbroek
Verantwoordelijke organisatie:
Universitair Medisch Centrum Utrecht