Wenn das Hirn anders altert als der Körper

Dr. Jan Ernsting von der Universität Münster ist für seine Doktorarbeit zum „Brain Age Gap“ mit dem Promotionspreis der Medizinischen Fakultät ausgezeichnet worden.

Die „Brain Age Gap“ (BAG) bezeichnet die Abweichung zwischen dem tatsächlichen und dem biologischen Alter des Gehirns. Dass Umwelteinflüsse oder Erkrankungen die BAG erhöhen können, ist bekannt. In seiner Doktorarbeit an der Universität Münster hat Dr. Jan Ernsting nun erstmals ein maschinelles Lernsystem entwickelt, welches das Potenzial hat, klinisch am einzelnen Patienten eingesetzt zu werden. Dafür hat der gebürtige Rheinenser jetzt den Promotionspreis der Medizinischen Fakultät der Universität erhalten.

„Alterungseffekte sind überall im menschlichen Körper zu finden und durch diverse Marker messbar“, erläutert Ernsting. „Besonders gut erforscht ist der Ansatz des Brain Age. Verfahren des maschinellen Lernens errechnen aus Daten von MRT-Untersuchungen den Zustand eines Gehirns und schätzen hiervon ausgehend das Alter des Menschen. Unterscheidet sich dieses vom tatsächlichen, also dem chronologischen Alter, liegt eine BAG vor.“ Das Problem: Zwar zeigen zahlreiche Gruppenanalysen, dass eine erhöhte BAG mit verschiedene Erkrankungen zusammenhängt, doch um individuelle Risiken und Verläufe bei Patienten in der Praxis zu diagnostizieren, fehlten bislang allerdings geeignete Methoden.

„In meiner Studie stellen wir ein auf neuronalen Netzen basierendes methodisches Grundgerüst für maschinelles Lernen vor, welches nicht nur eine Schätzung des individuellen Risikos ermöglicht, sondern auch statistische Garantien liefert“, erklärt der Preisträger. Neu an seinem Ansatz ist, dass das Modell sogenannte Unsicherheitsschätzungen ausgibt: Da Methoden des maschinellen Lernens mit einem bestimmten Satz an Patientendaten trainiert werden, geht auch jede BA-Vorhersage auf diesen zurück. Das bedeutet im Umkehrschluss: Wenn innerhalb der „Stichprobe“ die Werte weit auseinanderliegen oder in Sonderfällen gar nicht auftauchen, sind einzelne „Hirnalter“ nur ungenau zu bestimmen.

„Im Vergleich zu früheren Ansätzen ist das Modell zudem so aufgebaut, dass es mit anderen Wissenschaftlern oder Kliniken geteilt werden kann“, erklärt der Informatiker. Folglich können auf der Grundlage seiner Arbeit klinisch nutzbare Modelle entwickelt werden. Der Preisträger arbeitet bereits an Anschlussuntersuchungen zu der Methode. Persönlich geht es für ihn nach der Promotion im InFlame-Kolleg an der Medizinischen Fakultät mit dem thematischen Fokus Inflammation weiter – im Schnittbereich zwischen Medizin und Informatik. Betreut hat die Doktorarbeit Prof. Tim Hahn am Institut für Translationale Psychiatrie.