Assessing specificity testing in Lesion Network Mapping
Diese Arbeit klärt die Beziehung zwischen Spezifitätstests und anderen Varianten des Lesion Network Mapping (LNM) auf, während sie gleichzeitig demonstriert, dass die persistente Repetition in LNM-Spezifitätsnetzwerken eine fundamentale krankheitsspezifische Limitation offenbart und damit die Notwendigkeit neuer methodischer Ansätze zur Identifizierung der dem Gehirn zugrunde liegenden Schaltkreise bei neurologischen und psychiatrischen Störungen hervorhebt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Das menschliche Gehirn ist keine Ansammlung isolierter Teile, sondern ein riesiges, vernetztes Geflecht, in dem jede Region mit vielen anderen kommuniziert. Wenn ein bestimmtes Gebiet durch einen Schlaganfall oder einen Tumor geschädigt wird, sind die Symptome, die eine Person erlebt – wie etwa Depressionen, Gedächtnisverlust oder Bewegungsstörungen – oft das Ergebnis dieser Schädigung, die einen spezifischen Schaltkreis innerhalb dieses Geflechts unterbricht. Jahrelang haben Wissenschaftler eine Methode namens „Lesion Network Mapping“ (Läsions-Netzwerk-Kartierung) verwendet, um diese Schaltkreise zu finden. Die Idee ist simpel: Wenn man weiß, wo eine Läsion liegt, kann man auf eine Standardkarte der Verbindungen gesunder Gehirne zurückgreifen, um vorherzusagen, welche entfernten Teile des Gehirns ebenfalls durch diese Verletzung betroffen sind. Durch die Mittelung der Verbindungen vieler Patienten mit ähnlichen Symptomen hofften Forscher, den exakten neuronalen Pfad zu bestimmen, der für eine bestimmte Krankheit verantwortlich ist, um so ein klares Ziel für neue Behandlungen zu bieten.
Eine neue Analyse deutet jedoch darauf an, dass diese Methode Muster sieht, die eigentlich gar nicht existieren. Ein Team von Forschern unter der Leitung von Martijn van den Heuvel untersuchte die Ergebnisse hunderter Studien, die diese Kartierungstechnik anwandten. Sie fanden heraus, dass die identifizierten Gehirnschaltkreise für sehr unterschiedliche Zustände – wie Psychose, Depression und posttraumatische Belastungsstörung – fast identisch aussahen. Tatsächlich waren die Karten für diese völlig unzusammenhängenden Krankheiten so ähnlich, dass sie mehr als 60 Prozent ihrer Merkmale teilten, ein Grad an Überschneidung, der für die medizinische Bildgebung ungewöhnlich hoch ist. Die Forscher argumentieren, dass diese Wiederholung kein Zeichen dafür ist, dass diese Krankheiten dieselbe Ursache haben, sondern vielmehr ein mathematischer Nebeneffekt der Methode selbst ist. Da die Technik auf einer einzigen, Standardkarte der Gehirnverbindungen basiert, um jeden Patienten zu analysieren, werden die Ergebnisse zwangsläufig zu den am häufigsten vorkommenden Mustern in dieser Standardkarte hingezogen, unabhängig von der spezifischen Erkrankung, die untersucht wird.
Der Kern des Problems liegt darin, wie die Methode Daten verarbeitet. Wenn Wissenschaftler das Lesion Network Mapping anwenden, nehmen sie den Ort der Verletzung eines Patienten und projizieren ihn auf ein „normatives Konnektom“, eine große Datenbank, die die durchschnittlichen Verbindungen eines gesunden Gehirns repräsentiert. Die Forscher zeigten, dass die Methode, wenn man zwei Patientengruppen vergleicht – zum Beispiel jene mit Depressionen gegenüber einer anderen Erkrankung –, im Grunde lediglich die durchschnittlichen Verbindungen einer Gruppe von der anderen abzieht. Da beide Gruppen aus derselben zugrunde liegenden Datenbank der gesunden Verbindungen stammen, wird das Ergebnis dennoch stark durch die Struktur der ursprünglichen Datenbank geprägt. Es ist, als versuche man, einen einzigartigen Fingerabdruck zu finden, indem man die Hände zweier Personen gegen denselben generischen Handabdruck vergleicht; die Unterschiede, die man findet, sind oft nur Variationen derselben Basiskonstruktion und kein Beweis für eine wirklich eigenständige Identität.
Um dies zu testen, reanalysierte das Team Daten aus Dutzenden veröffentlichten Studien, die hunderte von Patienten und Dutzende verschiedener Zustände abdeckten. Sie rekonstruierten die Gehirnkarten, die als „spezifisch“ für bestimmte Symptome veröffentlicht worden waren, und verglichen diese untereinander. Die Ergebnisse waren verblüffend. Die Karten, die für Zustände wie Parkinson-Krankheit, kognitiven Verfall und Angststörungen generiert wurden, zeigten eine hohe Ähnlichkeit. Als die Forscher die spezifischen Aktivitätsspitzen betrachteten, die diese Studien als einzigartig für eine Krankheit bezeichneten, stellten sie fest, dass dieselben Stellen immer wieder bei unzusammenhängenden Erkrankungen auftauchten. So wurde beispielsweise ein spezifischer Bereich im unteren Teil des Frontallappens in einer Studie als Schlüsselziel für Depressionen identifiziert, aber derselbe Bereich wurde in anderen Studien auch als Schlüsselziel für post-schlaganfallbedingte kognitive Beeinträchtigungen und sogar für das Gefühl des Außerkörpererlebens hervorgehoben.
Die Forscher untersuchten auch, ob eine neuere, komplexere Version der Methode, die sie „symptombasierte Kartierung“ nennen, dieses Problem lösen könnte. Dieser Ansatz versucht, die Gehirnkarten direkt mit der Schwere der Symptome eines Patienten zu verknüpführen, statt nur mit dessen Diagnose. Das Team fand heraus, dass diese Methode mathematisch äquivalent zum älteren Ansatz ist; sie ist lediglich eine andere Art der Subtraktion. Folglich unterliegt sie derselben Einschränkung. Ob Wissenschaftler nun einen einfachen Vergleich zwischen zwei Gruppen oder ein komplexes statistisches Modell verwenden, das Ergebnis bleibt durch die begrenzte Vielfalt der Muster in der Standard-Gehirnkarte eingeschränkt. Die Methode ist effektiv darauf beschränkt, Unterschiede zu finden, die in die bestehende, niedrigdimensionale Struktur der gesunden Gehirnkarte passen, was es schwierig macht, wirklich einzigartige Schaltkreise für spezifische Krankheiten zu entdecken.
Dies bedeutet nicht, dass die Gehirnschaltkreise für diese Krankheiten nicht existieren, aber es deutet darauf hin, dass das aktuelle Werkzeug nicht präzise genug ist, um sie voneinander zu trennen. Die Forscher schlagen vor, dass das Gehirn nach einem Prinzip operieren könnte, bei dem eine kleine Anzahl breiter, geteilter Netzwerke viele verschiedene Symptome und Zustände beeinflusst. In dieser Sichtweise ist die Überschneidung in den Karten kein Fehler der Daten, sondern ein Spiegelbild dessen, wie das Gehirn aufgebaut ist. Dieselben neuronalen Pfade könnten an einer breiten Palette menschlicher Erfahrungen beteiligt sein, von Kreativität bis hin zu Angst, und eine einzige Verletzung könnte diese gemeinsamen Pfade auf eine Weise stören, die über verschiedene Patienten hinweg ähnlich aussieht.
Die Studie kommt zu dem Schluss, dass das Fachgebiet über die Vorstellung hinausgehen muss, dass jedes Symptom ein einzelnes, isoliertes Netzwerk besitzt, das darauf wartet, gefunden zu werden. Stattdessen sollte sich die zukünftige Forschung darauf konzentrieren, zu verstehen, wie diese gemeinsamen, überlappenden Netzwerke zur komplexen Landschaft des menschlichen Verhaltens und der Erkrankungen beitragen. Während die aktuelle Methode bereits wertvolle Erkenntnisse geliefert hat, warnen die Forscher davor, dass das Vertrauen auf sie zur Identifizierung einzigartiger Behandlungsziele dazu führen kann, dass Wissenschaftler Mustern nachjagen, die lediglich Artefakte der Karte selbst sind, statt der eigentlichen Krankheit. Der Weg nach vorn erfordert neue Ansätze, die über die dominanten, sich wiederholenden Muster des gesunden Gehirns hinausblicken können, um die subtilen, spezifischen Unterschiede zu finden, die eine Erkrankung wahrhaft definieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.