Netzhautscan ermöglicht präzise Unterscheidung von ALS und Alzheimer

Laut einer neuen Studie könnten Netzhautbilder Ärzten helfen, sich ähnelnde neurodegenerative Erkrankungen wie Amyotrophe Lateralsklerose (ALS) und Alzheimer voneinander zu unterscheiden. Diese Methode wäre schnell und böte eine sehr hohe Genauigkeit. 

Forschende der University of Waterloo, Kanada, treiben die Entwicklung eines schnellen, nicht invasiven und kostengünstigen Diagnosewerkzeugs voran. Ihre Ergebnisse haben die Wissenschaftler im Fachjournal „Alzheimer’s & Dementia“ veröffentlicht.

Diagnosewerkzeug könnte Behandlungsergebnisse verbessern

Für Amyotrophe Lateralsklerose (ALS) und frontotemporale lobuläre Demenz (FTLD-TDP) existiert bislang kein objektiver diagnostischer Test. Charakteristisch für beide Erkrankungen ist die Bildung von Ablagerungen des Proteins TDP-43 im Rückenmark beziehungsweise im Gehirn.

Das neu entwickelte Instrument könnte zu einer früheren Diagnose beitragen und rechtzeitige Interventionen ermöglichen, die das Fortschreiten der Erkrankung verlangsamen. Zudem kann es die Entwicklung gezielterer Therapien unterstützen. Insgesamt könnten so die Behandlungsergebnisse für Patientinnen und Patienten verbessert werden.

„Dies ist ein wichtiger Schritt hin zu einer früheren und genaueren Diagnose“, betonte Dr. Melanie Campbell, emeritierte Professorin für Physik und Optometrie. „Derzeit werden FTLD und ALS erst diagnostiziert, nachdem Symptome aufgetreten sind, was oft bedeutet, dass die Krankheit bereits fortgeschritten ist. Die Möglichkeit, diese Erkrankungen früher zu erkennen, könnte die Art und Weise, wie wir sie behandeln, grundlegend verändern.“

Analyse der Lichtmuster erlaubt Unterscheidung neurodegenerativer Erkrankungen

Die Forscher nutzten polarisiertes Licht, um Proteinablagerungen in gespendeten Netzhautproben von Alzheimer-Patienten abzubilden. Sie verglichen diese mit Proben von Patienten mit FTLD-TDP mit TDP-43 und ALS. Durch die Analyse der Lichtmuster gelang es dem Team, die Ablagerungen von Amyloid-beta, die mit Alzheimer in Verbindung stehen, genau von denen mit TDP-43, die mit FTLD und ALS assoziiert sind, zu unterscheiden und den Schweregrad der Erkrankung im Gehirn vorherzusagen.

KI-Modelle ermöglichen Vorhersage von Alzheimer und ALS

Außerdem luden die Wissenschaftler Daten zur Lichtinteraktion in zwei KI-Modelle hoch: „Random Forest“, eine Ensemble-Lernmethode, und konvolutionelle neuronale Netze, eine bildbasierte Methode. So überprüften die Forschenden, ob diese Modelle lernen könnten, Amyloid-beta- von TDP-43-Ablagerungen zu unterscheiden. Die Unterschiede zwischen den beiden Ablagerungstypen waren so ausgeprägt, dass „Random Forest“ in 86 Prozent der Fälle die richtige Krankheit vorhersagte. Konvolutionelle neuronale Netze hingegen, erzielte mit 96 Prozent eine noch höhere Trefferquote.

„Wir hoffen, dass sich diese Technologie innerhalb weniger Jahre zu einem einfachen Sehtest entwickeln wird, der in der Lage ist, verschiedene Hirnerkrankungen zu erkennen und zu unterscheiden. Und damit Patienten in kleineren, unterversorgten Gemeinden Zugang zu dieser Art von Tests ermöglicht“, betonte Campbell. „Ein schnelles, leicht zugängliches Diagnosewerkzeug könnte für Patienten und ihre Familien einen entscheidenden Unterschied machen.“

(sas/BIERMANN)