Continuous amyloid staging complements global amyloid burden in early Alzheimer's disease

Die Alzheimer-Krankheit beginnt ihre Arbeit lange bevor ein Mensch einen Namen vergisst oder sich in einer vertrauten Straße verirrt. Jahrzehnte bevor diese offensichtlichen Anzeichen auftreten, beginnt sich ein klebriges Protein namens Amyloid im Gehirn zusammenzuballen. Wissenschaftler können diese Klumpen mit einer speziellen Kamera, einem PET-Scanner, sehen, der Bilder der Chemie des Gehirns aufnimmt. Lange Zeit haben Forscher gemessen, wie viel dieses Protein vorhanden ist, indem sie die Menge über das gesamte Gehirn hinweg gemittelt haben, was eine einzige Zahl ergibt, die die gesamte Belastung repräsentiert. Dieses globale Maß ist nützlich, hat aber einen blinden Fleck. In den sehr frühen Stadien der Krankheit kann das Protein vielleicht nur in einigen wenigen, kleinen, spezifischen Nachbarschaften des Gehirns ansammeln. Wenn man das gesamte Gehirn mittelt, können diese kleinen, frühen Veränderungen im Rauschen untergehen, was es schwierig macht, genau zu bestimmen, wie weit die Krankheit fortgeschritten ist oder wer als nächstes gefährdet ist.

Ein Team von Forschern hat eine neue Art entwickelt, diese Gehirnscans zu betrachten, die diese frühe, subtile Aktivität erfasst. Anstatt nur die Gesamtmenge des Proteins zu zählen, haben sie ein System entwickelt, das das spezifische Muster kartiert, in dem das Protein lokalisiert ist. Indem sie einen Computer darauf trainierten, die Reihenfolge zu erkennen, in der diese Muster im Laufe der Zeit auftreten, bauten sie ein Werkzeug, das eine Person auf einer kontinuierlichen Skala der Krankheitsprogression einordnen kann. Diese neue Methode, die sie DAPS nennen, bestätigt nicht nur, dass Amyloid vorhanden ist; sie zeigt auf, wie sich die Krankheit durch das Gehirn bewegt, selbst wenn die Gesamtmenge des Proteins unverändert scheint. Die Forscher fanden heraus, dass diese neue Skala vorhersagen kann, wer sein Gedächtnis schneller verlieren wird, selbst unter Menschen, die die gleiche Gesamtmenge an Amyloid in ihren Gehirnen haben.

Die Studie begann mit Daten von Tausenden von Menschen, die über mehrere Jahre hinweg Gehirnscans durchlaufen hatten. Die Forscher verwendeten eine Art künstliche Intelligenz, die selbstständig lernt, ohne gesagt zu bekommen, wer die Krankheit hat und wer nicht. Sie fütterten den Computer mit Tausenden von Gehirnbildern, die die Verteilung des Amyloid-Proteins über sechsundsechzig verschiedene Regionen des Kortex zeigten. Die Aufgabe des Computers war es, diese komplexe Karte aus sechsundsechzig Regionen in eine einzige Zahl zu komprimieren, die ein Stadium der Krankheit repräsentiert. Um sicherzustellen, dass diese Zahl im Laufe der Zeit Sinn ergibt, lehrten die Forscher den Computer eine einfache Regel: Wenn eine Person Jahre später zu einem zweiten Scan zurückkehrt, sollte die Zahl des Krankheitsstadiums entweder gleich bleiben oder steigen, niemals sinken. Dies stellte sicher, dass das Werkzeug den natürlichen Fluss der Zeit und den Verlauf der Krankheit respektierte.

Als die Forscher dieses neue Werkzeug testeten, erwies es sich als viel besser darin, den Zeitstrahl gerade zu halten als bisherige Methoden. Ältere Ansätze gaben einer Person manchmal bei einem späteren Scan eine niedrigere Stadiumzahl als bei einem früheren Scan, was der Funktionsweise der Krankheit widerspricht. Das neue System vermied diese Fehler fast vollständig und schuf einen glatten, logischen Pfad, der mit der realen Reihenfolge der Besuche übereinstimmte. Noch wichtiger war, dass die Forscher entdeckten, dass diese neue Skala Informationen lieferte, die der alten globalen Zählung fehlten. Sie fanden einen spezifischen Punkt auf ihrer Skala, an dem sich die Beziehung zwischen dem Muster der Krankheit und der Gesamtmenge des Proteins änderte. Vor diesem Punkt verschob sich das Muster des Amyloids und wurde in bestimmten Bereichen organisierter, obwohl die Gesamtmenge des Proteins im Gehirn relativ stabil blieb. Nach diesem Punkt begannen die Gesamtmenge des Proteins und das Muster der Krankheit gemeinsam anzusteigen.

Diese Unterscheidung erwies sich als entscheidend für das Verständnis des Risikos. Die Forscher nahmen zwei Gruppen von Menschen, die zu Beginn der Studie exakt dieselbe Gesamtmenigkeit an Amyloid in ihren Gehirnen hatten. Eine Gruppe befand sich im frühen Stadium der neuen musterbasierten Skala, die andere in einem späteren Stadium. Obwohl ihre Gesamtproteinwerte identisch waren, begannen die Menschen im späteren Stadium der Muster-Skala ihr Gedächtnis viel schneller zu verlieren als die Menschen im frühen Stadium. Diese Erkenntnis erwies sich in zwei verschiedenen großen Gruppen von Menschen als wahr, einschließlich einer separaten Gruppe von Teilnehmern, die zu Beginn alle kognitiv unauffällig waren. Das Werkzeug identifizierte erfolgreich, welche Individuen auf einem steileren Pfad des Rückgangs waren, indem es einfach auf die Form der Amyloidverteilung blickte, statt nur auf das Gesamtvolumen.

Die Forscher untersuchten auch genau, welche Teile des Gehirns für diese frühen Veränderungen verantwortlich waren. Sie fanden heraus, dass die Regionen, die am meisten für die Verschiebung im frühen Stadium verantwortlich waren, der Precuneus und der posteriore Cingulum sind, Bereiche tief im Zentrum und im hinteren Teil des Gehirns. Dies sind dieselben Bereiche, die andere Studien als die ersten Orte identifiziert haben, an denen sich Amyloid tendenziell ansammelt. Dies deutet darauf darauf hin, dass das neue Werkzeug nicht nur ein mathematischer Trick ist, sondern eine Reflexion des tatsächlichen biologischen Prozesses der Krankheit. Indem es sich auf die räumliche Anordnung des Proteins konzentriert, kann das System die Fußabdrücke der Krankheit erkennen, bevor sie groß genug sind, um den durchschnittlichen Gesamtwert zu verändern.

Die Auswirkungen dieser Arbeit sind bedeutend für die Art und Weise, wie wir Alzheimer in Zukunft untersuchen und behandeln könnten. Da das Werkzeug in der Lage ist, Menschen zu identifizieren, die schneller fortschreiten, selbst wenn ihre Amyloidwerte ähnlich aussehen, könnte es Wissenschaftlern helfen, die richtigen Teilnehmer für klinische Studien auszuwählen. Anstatt alle Menschen mit der gleichen Gesamtproteinmenge zusammenzufassen, könnten Forscher diese neue Skala verwenden, um diejenigen zu finden, die das höchste Risiko eines Rückgangs haben. Dies könnte es einfacher machen zu sehen, ob eine Behandlung wirkt, insbesondere in den frühesten Phasen der Krankheit, wenn Veränderungen noch subtil sind. Die Forscher merken an, dass ihr Werkzeug zwar mit einer spezifischen Art von Gehirnscan erstellt wurde, die Logik dahinter – das Betrachten von Mustern statt nur von Summen – auf andere Wege zur Messung der Krankheit angewendet werden könnte. Die Arbeit legt nahe, dass wir, um den Beginn von Alzheimer wirklich zu verstehen, nicht nur darauf schauen müssen, wie viel davon da ist, sondern exakt wohin es geht.