Development and validation of neurological health score using machine learning algorithms

In dieser Studie wurde ein mittels maschinellen Lernens entwickelter „Neurological Health Score“ (NHS) auf Basis genetischer, lebensstilbedingter und biochemischer Faktoren entwickelt und validiert, der als präventives Instrument zur Quantifizierung des Risikos für verschiedene neurologische Erkrankungen dienen kann.

Das Wesentliche

Das „Betriebssystem“ Ihres Gehirns: Ein neuer Gesundheits-Check

Stellen Sie sich vor, Ihr Körper ist wie ein hochmoderner Computer. Das Gehirn und das Nervensystem sind das Betriebssystem. Wenn das Betriebssystem flüssig läuft, können Sie tolle Spiele spielen, komplexe Aufgaben lösen und die Hardware (Ihre Muskeln und Organe) perfekt steuern. Wenn das Betriebssystem aber Fehler hat (wie z. B. Demenz, Schlaganfall oder Parkinson), fängt der ganze Computer an zu ruckeln oder stürzt ganz ab.

Bisher war es für Ärzte oft so, als müssten sie versuchen, einen Computerfehler zu finden, indem sie nur auf ein einziges Kabel schauen. Aber ein Computer ist komplex!

Was haben die Forscher gemacht?

Ein Team von Wissenschaftlern hat nun versucht, ein „Gesundheits-Dashboard“ zu entwickeln – eine Art Tacho für Ihr Gehirn. Sie haben dieses Dashboard „Neurological Health Score“ (NHS) genannt.

Anstatt nur auf eine Sache zu schauen, haben sie alles kombiniert:

1. Die Baupläne (Genetik): Was ist in Ihren „Software-Code“ geschrieben?
2. Der Treibstoff (Biochemie): Wie sieht es mit Ihrem Cholesterin oder Vitamin D aus?
3. Die Wartung (Lebensstil): Wie viel bewegen Sie sich? Schlafen Sie genug? Haben Sie soziale Kontakte oder fühlen Sie sich einsam?

Wie sind sie vorgegangen? (Die digitale Detektivarbeit)

Die Forscher haben riesige Mengen an Daten von Hunderttausenden Menschen (aus der UK Biobank) genommen. Sie haben eine extrem schlaue digitale Lupe benutzt – eine sogenannte Künstliche Intelligenz (Machine Learning).

Diese KI hat wie ein Super-Detektiv Millionen von Verbindungen geprüft: „Wenn jemand wenig schläft UND ein bestimmtes Gen hat UND wenig Vitamine zu sich nimmt – wie hoch ist dann die Wahrscheinlichkeit, dass das Betriebssystem Gehirn in 10 Jahren Probleme macht?“

Was kam dabei heraus?

Das Ergebnis ist ein Punktwert.

• Ein hoher Score bedeutet: Ihr „Betriebssystem“ ist gut gewartet, die Software läuft stabil.
• Ein niedriger Score ist ein Warnsignal: Es gibt kleine Ruckler im System, die man beheben könnte, bevor der Computer abstürzt.

Die wichtigste Entdeckung: Die Forscher fanden heraus, dass man das Schicksal nicht nur durch die Gene bestimmt bekommt. Man kann das „System“ aktiv pflegen! Faktoren wie Stress, Einsamkeit, Bewegung und die Ernährung sind wie regelmäßige Software-Updates oder Reinigungsprogramme. Wer einen sehr guten Score hat (die obersten 25 %), hat ein deutlich geringeres Risiko, an neurologischen Krankheiten zu erkranken.

Warum ist das wichtig für Sie?

Stellen Sie sich vor, Sie gehen zum Arzt und bekommen nicht nur die Nachricht: „Ihr Risiko ist hoch“, sondern ein ganzes Wartungsprotokoll.

Anstatt zu warten, bis das System abstürzt (also eine Krankheit ausbricht), sagt Ihnen dieser Score: „Hey, wenn du mehr Vitamin D nimmst, weniger Stress hast und öfter mal mit Freunden ausgehst, kannst du dein Betriebssystem stabil halten.“

Kurz gesagt: Die Forscher haben eine Art „Check-Engine-Leuchte“ für das Gehirn erfunden, die uns hilft, gesund zu bleiben, bevor es zu spät ist.

---

Hinweis: Dies ist eine vereinfachte Erklärung einer wissenschaftlichen Vorveröffentlichung (Preprint), die noch nicht durch andere Experten geprüft wurde.

Technische Zusammenfassung

Technische Zusammenfassung: Entwicklung und Validierung eines neurologischen Gesundheits-Scores (NHS) mittels Machine Learning

Problemstellung

Die neurologische Gesundheit, definiert durch die Funktion des Gehirns und des Nervensystems, ist ein multifaktorieller Zustand, der durch genetische Veranlagung, Lebensstil und biochemische Parameter beeinflusst wird. Bisherige Ansätze zur Risikovorhersage konzentrierten sich oft nur auf modifizierbare Lebensstilfaktoren oder rein genetische Daten. Es mangelte an einem integrierten Framework, das diese verschiedenen Dimensionen kombiniert, um ein quantifizierbares Maß für die neurologische Gesundheit zu schaffen, das sowohl klinisch interpretierbar als auch prädiktiv präzise ist.

Methodik

Die Autoren entwickelten einen Neurological Health Score (NHS), der auf Daten aus der UK Biobank basiert.

1. Datenbasis & Zielvariablen: Die Studie untersuchte acht neurologische Erkrankungen: Demenz, Schlaganfall, Parkinson, ALS, Multiple Sklerose, Schizophrenie, bipolare Störung und Migräne. Die Fall/Kontroll-Status wurden mittels ICD-10, ICD-9 und Selbstberichten bestimmt.
2. Variablen-Integration: Das Modell integriert drei Hauptkategorien:
   • Genetik: Berechnung von Polygenic Risk Scores (PRS) für jede der acht Erkrankungen unter Verwendung von GWAS-Daten.
   • Lebensstil & Sozioökonomie: Faktoren wie körperliche Aktivität, Ernährung, Schlaf, Stress, Einsamkeit, Bildungsstand, Beschäftigung und soziale Kontakte.
   • Biochemie: Über 30 Blutparameter (z. B. Cholesterin, Glukose, Vitamin D, Leberenzyme wie ALT/AST, Entzündungsmarker wie CRP).
3. Algorithmische Ansätze:
   • Logistische Regression: Zur Identifizierung signifikanter Variablen und zur Erstellung eines interpretierbaren Modells.
   • XGBoost (Gradient Boosted Decision Trees): Als ergänzende Analyse, um nicht-lineare Interaktionen zwischen den Variablen zu erfassen.
   • Feature Selection: Korrelationsanalysen (Pearson für kontinuierliche, Cramer’s V für kategoriale Daten) wurden genutzt, um Redundanzen zu vermeiden.
4. Validierung: Das Modell wurde an kaukasischen Probanden (UK Biobank) entwickelt (80/20 Split für Training/Test) und anschließend an einer unabhängigen Kohorte indischer Ethnizität validiert.

Wesentliche Beiträge (Key Contributions)

• Multimodale Integration: Die Arbeit stellt die erste Studie vor, die genetische, lebensstilbedingte und biochemische Faktoren in einem einzigen Score für die neurologische Gesundheit vereint.
• Methodische Kombination: Die Nutzung von logistischer Regression für die Interpretierbarkeit (Effektstärken) in Kombination mit XGBoost für die Vorhersagekraft (nicht-lineare Zusammenhänge) bietet einen robusten methodischen Rahmen.
• Klinische Anwendbarkeit: Durch die Kategorisierung der Variablen in einen additiven Score (NHS) wird ein Werkzeug geschaffen, das über einfache Risikofaktoren hinausgeht und eine ganzheitliche Bewertung ermöglicht.

Ergebnisse

• Signifikante Prädiktoren: Die PRS (genetische Risiken) erwiesen sich als stärkste Prädiktoren. Unter den Lebensstilfaktoren zeigten Stress, Einkommen und Einsamkeit die höchste Signifikanz. Bei den biochemischen Markern waren Cystatin C, Vitamin D, ALT und GGT besonders relevant.
• Modellleistung: Der entwickelte NHS zeigte eine signifikante Korrelation mit dem Risiko neurologischer Erkrankungen. Nach Bereinigung um Alter und Geschlecht erreichte das Modell eine AUC von 0,6 (Odds Ratio: 0,95).
• Risikoreduktion: Die Gruppe mit dem höchsten NHS (oberste 25 %) wies ein um den Faktor 1,3 geringeres Risiko auf im Vergleich zum Rest der Population.
• Validierung: Die Ergebnisse blieben über ethnische Grenzen hinweg (Kaukasier vs. Inder) konsistent.

Bedeutung (Significance)

Die Studie liefert ein wertvolles Framework für die Präzisionsmedizin. Der NHS ermöglicht es Klinikern, nicht nur das genetische Risiko zu erkennen, sondern gezielt Lebensstilmodifikationen zu empfehlen, um das neurologische Risiko zu senken. Da das Modell sowohl biologische als auch modifizierbare Faktoren berücksichtigt, bietet es eine Grundlage für präventive Interventionen und eine personalisierte Gesundheitsvorsorge im klinischen Alltag.