Chinese wetenschappers zeggen dat ze een grote stap hebben gezet in het voorspellen van het risico op dementie van een patiënt tot anderhalf decennium voordat de symptomen beginnen, door een bloedmonster te analyseren.

De wetenschappers gebruikten een database van meer dan 50.000 mensen om eiwitten te identificeren die verband houden met het risico op het ontwikkelen van verschillende soorten dementie, en met behulp van AI creëerde het team een voorspellend model om het ziekterisico te beoordelen.

Het gebruik van kunstmatige intelligentie was “een van de sleutelfactoren voor het succes van dit onderzoek”, zei Yu Jintai, auteur van het onderzoek en hoogleraar neurologie aan het aan de Fudan Universiteit aangesloten Huashan Hospital.

Met behulp van de datagestuurde strategie hebben de wetenschappers “op innovatieve wijze belangrijke plasmabiomarkers geïdentificeerd voor toekomstige voorspellingen van dementie”, schreef het team in een artikel dat maandag in het peer-reviewed tijdschrift Nature Aging werd gepubliceerd.

Bloedonderzoek voor het diagnosticeren van vormen van dementie zoals de ziekte van Alzheimer wordt steeds populairder.

Met één druppel bloed kunnen ze vaststellen of een patiënt die symptomen begint te vertonen de ziekte heeft.

Maar wetenschappers hebben grotere doelen voor ogen met bloedbiomarkerinstrumenten, zoals het gebruik ervan om nauwkeurig te voorspellen of een patiënt de ziekte in de toekomst zou kunnen ontwikkelen, zelfs voordat deze klinische symptomen vertoont.

Er is geen remedie voor dementie en als we kunnen begrijpen of iemand dementie kan ontwikkelen, kan dit een vroege diagnose en interventie mogelijk maken, aldus de auteurs van het artikel.

De grootschalige studie van eiwitten – ook wel proteomics genoemd – kan worden gebruikt om potentiële medicijn- of diagnostische interventies voor ziekten te vinden en om beter te begrijpen hoe het menselijk lichaam werkt.

Het systematisch bestuderen van eiwitten in het bloed bleek echter moeilijk vanwege “technische beperkingen” en een gebrek aan vergelijkingsmethoden, schreef het team.

Om deze barrière te overwinnen, schakelde het team de hulp in van het enorme Britse Biobank-cohort, dat meer dan 50.000 mensen in de leeftijd van 40 tot 69 jaar inschreef en een gemiddelde follow-upperiode van 14 jaar had vanaf het midden van de jaren 2000.

Iets meer dan 1.400 van de proefpersonen in het biobankcohort – die allemaal biologische monsters en demografische informatie verstrekten – ontwikkelden dementie binnen tien jaar na de eerste gegevensverzameling.

De biobank heeft onlangs een nieuwe dataset vrijgegeven van meer dan 1.400 plasma- of bloedeiwitten die in de monsters van de deelnemers werden aangetroffen tijdens de eerste intake- en vervolgsessies.

Deze gegevenspublicatie gaf het team een “ongekende kans” om een proteomics-onderzoek uit te voeren naar bloedeiwitten die verband houden met de ontwikkeling van dementie, aldus de krant.

Het stelde hen in staat “de trajecten van plasma-eiwitten te traceren vanaf het moment van de diagnose van dementie en te beoordelen wanneer elk eiwit begint af te wijken van de normale controlewaarden”, schreven ze.

De wetenschappers vonden honderden geassocieerde eiwitten, maar concentreerden hun onderzoek op een handvol ‘belangrijke eiwitten’ waarvan werd vastgesteld dat ze tot minstens tien jaar vóór het klinische begin van dementie in expressie begonnen te veranderen.

Deze eiwitten werden geëvalueerd met behulp van een kunstmatige intelligentie-algoritme, een zogenaamde light gradiënt boosting machine, die machinaal leren gebruikte om eiwitten en combinaties uit te sluiten die het nauwst verband houden met het risico op dementie, zei Yu.

Het machine learning-algoritme werd gebruikt om te bepalen welke van de eiwitten een beter voorspellingsmodel creëerde en dit te vergelijken met de biobankgegevens waaruit bleek welke proefpersonen dementie hadden ontwikkeld.

Het algoritme, dat een “cruciale” rol speelde in dit onderzoek, beschikte over “krachtige patroonherkennings- en voorspellingsmogelijkheden”, waardoor een efficiëntere screening van de grootschalige dataset mogelijk was, zei Yu.

Volgens het team was het “onwaarschijnlijk dat het opnemen van eiwitgegevens in een voorspellingsmodel de hoogste voorspellende nauwkeurigheid zou opleveren”.

Om een “optimaal voorspellend algoritme te ontwikkelen dat niet-invasief, kosteneffectief en gemakkelijk toegankelijk is”, combineerden ze gegevens over een eiwit genaamd GFAP – waarvan ze ontdekten dat het geassocieerd was met meer dan het dubbele van het risico op dementie – met demografische informatie zoals leeftijd en seks.

Hun uiteindelijke, gecombineerde voorspellende model is veelbelovend omdat het “een nauwkeurige voorspelling van toekomstige dementie kan geven, zelfs meer dan tien jaar vóór de diagnose”, aldus de krant.

En vergeleken met beeldvormende scans of ruggenmergkranen die worden gebruikt om mensen te screenen op ziekterisico's, zou hun methode ook “aanzienlijke kostenvoordelen kunnen bieden”, aldus de krant.

Het team zei dat er nog steeds beperkingen in hun onderzoek waren, aangezien meer dan 90 procent van de biobankcohortonderwerpen blank was en daarom niet representatief voor de wereldbevolking.

Bij de onderzochte eiwitten is ook niet het gehele menselijke proteoom betrokken.

Yu zei echter dat het team nu ook onderzoek doet naar een cohort Chinezen, waardoor ze overeenkomsten en verschillen met de Britse database kunnen onderzoeken.

bbabo.Net