Onderzoekers van de Universidad Carlos III de Madrid (UC3M) en het Hospital Universitario Severo Ochoa hebben een nieuwe methode ontwikkeld waarbij AI ingezet wordt om de elektrische hersenactiviteit tijdens de slaap te analyseren. Volgens de onderzoekers kan deze aanpak helpen om de ziekte van Alzheimer in een veel eerder stadium op te sporen dan met de huidige diagnostische methoden. De resultaten, gepubliceerd in GeroScience, laten zien dat AI subtiele veranderingen in nachtelijke hersengolven kan herkennen en patiënten kan indelen in verschillende biologische subgroepen van de ziekte.
De onderzoekers zien de technologie niet als vervanging van bestaande diagnostiek, maar als een aanvullende, niet-invasieve en relatief betaalbare methode die op termijn breed inzetbaar kan worden.
Vroege signalen tijdens de slaap
Alzheimer is een progressieve neurodegeneratieve aandoening waarbij de onderliggende ziekteprocessen vaak al tien tot twintig jaar aanwezig zijn voordat de eerste geheugenproblemen optreden. Juist in deze vroege fase lijken nieuwe behandelingen het meest effectief te zijn. Dat maakt vroege diagnostiek steeds belangrijker.
Op dit moment worden biomarkers zoals p-tau217 in sommige ziekenhuizen al via een bloedtest bepaald, maar deze diagnostiek is nog niet overal beschikbaar. Daarnaast zijn voor een definitieve diagnose vaak aanvullende onderzoeken nodig, zoals PET-scans of een ruggenprik om hersenvocht te analyseren. Deze onderzoeken zijn kostbaar of invasief en worden doorgaans pas uitgevoerd wanneer patiënten al duidelijke symptomen vertonen.
De Spaanse onderzoekers richtten zich daarom op slaap. Tijdens bepaalde slaapfasen is de hersenactiviteit hoog en vindt onder meer de afvoer plaats van stofwisselingsproducten, waaronder bèta-amyloïd, een eiwit dat een belangrijke rol speelt bij Alzheimer. Tegelijkertijd is bekend dat de ziekte zelf de slaapstructuur verstoort en dat slaapstoornissen de ziekteprogressie kunnen versnellen.
Volgens hoofdonderzoeker Arrate Muñoz-Barrutia biedt het registreren van hersenactiviteit tijdens de slaap een uniek venster op biologische processen die uiteindelijk kunnen leiden tot geheugenverlies en andere symptomen van Alzheimer.
AI analyseert hersensignalen
Voor het onderzoek analyseerden de wetenschappers een unieke dataset waarin nachtelijke polysomnografieën, uitgebreide registratie van slaappatromen, werden gecombineerd met gegevens over biomarkers uit het hersenvocht van patiënten. De database was opgebouwd tijdens eerder onderzoek door neurologen en longartsen uit Lleida.
In totaal werden gegevens van 42 patiënten met lichte tot matige Alzheimer vergeleken met die van 58 cognitief gezonde deelnemers. Tijdens de slaap registreerden elektroden op de hoofdhuid de elektrische activiteit van de hersenen. Vervolgens analyseerde een AI-algoritme deze grote hoeveelheid gegevens om patronen te herkennen die verband houden met de ophoping van ziektegerelateerde eiwitten.
Volgens onderzoeker Lorena Gallego Viñarás maakt AI het mogelijk om veel gedetailleerder naar deze complexe signalen te kijken dan met conventionele analysemethoden. Daarmee kan de technologie artsen ondersteunen bij het stellen van een eerdere diagnose, zonder bestaande medische onderzoeken te vervangen.
Drie biologische vormen van Alzheimer
De AI bleek niet alleen met hoge nauwkeurigheid onderscheid te kunnen maken tussen gezonde deelnemers en patiënten met Alzheimer, maar ontdekte ook dat de patiënten konden worden onderverdeeld in drie verschillende biologische subgroepen.
Daarvoor combineerden de onderzoekers de slaapgegevens met bekende biomarkers uit het hersenvocht, waaronder bèta-amyloïd (Aβ42), gefosforyleerd tau (p-tau181), totaal tau (t-tau) en neurofilament light chain (NfL). De drie geïdentificeerde subgroepen vertoonden duidelijke verschillen in de concentraties van deze biomarkers.
Volgens de onderzoekers bevestigt dit dat Alzheimer al vanaf een zeer vroeg stadium verschillende biologische kenmerken kan hebben. Dat inzicht kan in de toekomst bijdragen aan een meer gepersonaliseerde benadering van diagnostiek en behandeling.
Toekomstige screening
De onderzoekers zien vooral mogelijkheden voor de inzet van AI-gestuurde slaapanalyse als aanvulling op bloedtesten, zoals de bepaling van p-tau217. Een combinatie van beide methoden zou kunnen uitgroeien tot een laagdrempelige en kosteneffectieve manier om mensen met een verhoogd risico op Alzheimer eerder te identificeren.
Omdat slaaponderzoek relatief eenvoudig kan worden uitgevoerd, denken de onderzoekers zelfs aan toepassingen waarbij patiënten thuis worden gemonitord. Naast het opsporen van vroege tekenen van Alzheimer biedt dit ook kansen om slaapstoornissen gelijktijdig te behandelen, wat mogelijk kan bijdragen aan het vertragen van cognitieve achteruitgang.
Volgens longarts Anna Michela Gaeta benadrukt het onderzoek bovendien het belang van multidisciplinaire samenwerking. Neurologie, longgeneeskunde, biomedische technologie en kunstmatige intelligentie komen in dit onderzoek samen om nieuwe diagnostische mogelijkheden te ontwikkelen. Juist nu steeds meer geneesmiddelen beschikbaar komen die alleen in de vroegste stadia van Alzheimer effectief zijn, kan een dergelijke vroege en toegankelijke vorm van diagnostiek van grote klinische waarde blijken.
AI en Alzheimer diagnostiek
Er wordt meer onderzoek gedaan naar de meerwaarde en inzet van AI in de zoektocht naar mogelijkheden om Alzheimer in een zo vroeg mogelijk stadium te detecteren. Zo werd vorig jaar in de VS een volledig digitale methode ontwikkeld. Daarbij wordt het bekende Quick Dementia Rating System (QDRS) gecombineerd met een AI-gestuurde analyse van gegevens uit het elektronisch patiëntendossier (EPD). De open-source technologie kan zonder extra werk voor zorgverleners in bestaande EPD-systemen worden geïntegreerd.
In een klinische studie onder ruim 5.000 patiënten in negen eerstelijnsgezondheidscentra leidde de methode tot een 31 procent hogere detectiegraad van dementie en een toename van 41 procent in vervolgonderzoeken, zoals cognitieve testen en verwijzingen. Volgens de onderzoekers is de technologie eenvoudig en goedkoop te implementeren en kan zij de toegankelijkheid van vroege dementiediagnostiek vergroten, doordat ook patiënten worden geïdentificeerd die anders mogelijk onopgemerkt zouden blijven.
